Título: Previsão De Séries De Vazões Com Redes Neurais De Estados De Eco
Autores: Siqueira, Hugo Valadares; Boccato, Levy; Attux, Romis; Lyra Filho, Christiano
Resumo: As redes neurais com estados de eco são alternativas promissoras em aplicações como previsão de séries temporais pelo fato de serem redes recorrentes dotadas de um método de treinamento simples e eficiente computacionalmente, baseado essencialmente numa metodologia de regressão linear. O caráter recorrente advém da existência de um reservatório de dinâmicas da rede – o qual é alimentado pelo histórico de amostras de entrada –, enquanto a camada de saída corresponde a um combinador linear ajustável. Recentemente, Boccato et al. [1] propuseram uma nova arquitetura para essa classe de redes, na qual se introduz o uso de um processo de compressão baseado em análise de componentes principais (PCA) aliado ao emprego de uma camada de saída estruturada como um filtro de Volterra. Vale frisar que essa proposta não compromete a simplicidade do processo de treinamento, uma vez que o filtro de Volterra é linear nos parâmetros [6]. Este trabalho faz um estudo comparativo, no contexto da previsão da série de vazões médias mensais do posto de FURNAS em dois períodos distintos, das arquiteturas de redes neurais de estado de eco mais solidamente estabelecidas – as propostas por Jaeger [6] e por Ozturk et al. [8] – e aquela decorrente da proposta de Boccato et al [1]. Os resultados mostram que as redes neurais de estados de eco são uma opção muito efetiva no âmbito de séries de vazões e, em particular, revelam que a nova arquitetura é capaz de trazer ganhos de desempenho relevantes.
Palavras-chave: Redes neurais de estados de eco; previsão de séries de vazões; filtros de Volterra; PCA
Páginas: 8
Código DOI: 10.21528/CBIC2011-18.2
Artigo em pdf: st_18.2.pdf
Arquivo BibTex: st_18.2.bib