Título: Modelo Adaptativo Baseado Em Regras Nebulosas Aplicado À Previsão De Séries Temporais
Autores: Luna, Ivette; Soares, Secundino; Ballini, Rosângela
Resumo: Este trabalho propõe um modelo de aprendizado online baseado em regras nebulosas do tipo Takagi-Sugeno, para modelos de séries temporais. A estrutura do modelo é construída em duas etapas. Na primeira etapa, o modelo é inicializado utilizando um algoritmo de aprendizado construtivo offline, composto por duas regras nebulosas. Na segunda etapa, o modelo é modificado de forma dinâmica, utilizando um algoritmo de aprendizado recursivo baseado no algoritmo de maximização de verossimilhança e em operadores de adição e punção de regras. O aprendizado adaptativo reduz a complexidade do modelo, e define de forma automática a sua estrutura. A proposta é aplicada na construção de um modelo de previsão de vazões semanais e os resultados são comparados com o modelo evolutivo Takagi-Sugeno. O modelo é também utilizado na previsão até dezoito passos à frente de uma série financeira. Os resultados obtidos mostram que a proposta é uma alternativa eficiente para modelos de séries temporais, proporcionando uma estrutura simples e parcimoniosa.
Palavras-chave: Previsão de séries temporais; algoritmo EM; aprendizado adaptativo
Páginas: 15
Código DOI: 10.21528/lmln-vol5-no1-art4
Artigo em PDF: vol5-no1-art4.pdf
Arquivo BibTex: vol5-no1-art4.bib