XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: A HYBRID NEURO- EVOLUTIONARY APPROACH FOR DYNAMIC WEIGHTED AGGREGATION OF TIME SERIES FORECASTERS Autor: CESAR DAVID REVELO APRAEZ
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
MARLEY MARIA BERNARDES REBUZZI VELLASCO - ADVISOR
LUIS MARTI OROSA - CO-ADVISOR
Nº do Conteudo: 36950
Catalogação: 18/02/2019 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=36950@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=36950@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.36950
Resumo:
Título: A HYBRID NEURO- EVOLUTIONARY APPROACH FOR DYNAMIC WEIGHTED AGGREGATION OF TIME SERIES FORECASTERS Autor: CESAR DAVID REVELO APRAEZ
LUIS MARTI OROSA - CO-ADVISOR
Nº do Conteudo: 36950
Catalogação: 18/02/2019 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=36950@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=36950@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.36950
Resumo:
Empirical studies on time series indicate that the combination of forecasting
models, generated from different modeling techniques, leads to higher
consen+sus forecasts, in terms of accuracy, than the forecasts of individual
models involved in the combination scheme. In this work, we present a
methodology for convex combination of statistical forecasting models, whose
success depends on how the combination weights of each model are estimated.
An Artificial Neural Network Multilayer Perceptron (MLP) is used to generate
dynamically weighting vectors over the forecast horizon, being dependent on the
individual contribution of each forecaster observed over historical data series. The
MLP network parameters are adjusted via a hybrid training algorithm that
integrates global search techniques, based on evolutionary computation, along
with the local search algorithm backpropagation, in order to optimize
simultaneously both weights and network architecture. This approach aims to
automatically generate a dynamic weighted forecast aggregation model with
high performance. The proposed model, called Neural Expert Weighting -
Genetic Algorithm (NEW-GA), was com- pared with other forecaster
combination models, as well as with the individual models involved in the
combination scheme, comprising 15 time series divided into two case studies:
Petroleum Products and the reduced set of NN3 forecasting competition, a
competition between forecasting methodologies, with greater emphasis on
models based on neural networks. The results obtained demonstrated the
potential of NEW-GA in providing accurate models for time series forecasting.
Descrição | Arquivo |
COMPLETE |