[pt] EXPLORANDO MÉTODOS ALTERNATIVOS EM PREVISÕES DE SÉRIES TEMPORAIS COM BAGGING E CLUSTERING

[en] EXPLORING ALTERNATIVE METHODS FOR TIME SERIES FORECASTING WITH BAGGING AND CLUSTERING

[pt] DAVID SOUZA PINTO

[pt] SERIE TEMPORAL

[pt] BAGGING

[pt] CLUSTERIZACAO

[en] TIME SERIE

[en] BAGGING

[en] CLUSTERING

[pt] Métodos de amortecimento exponencial são formulações versáteis para a previsão de séries temporais univariadas conhecidas desde a década de 1960. Modelos mais recentes têm feito uso do bagging para melhorar a qualidade das previsões com estes modelos. Um destes modelos, BaggedETS, desenvolvido em 2016, trouxe melhorias na qualidade de previsão e está disponível na biblioteca forecast para R. Uma proposta posterior, BaggedClusterETS, adicionou uma etapa de clustering e validação para tratar o efeito da covariância associada ao uso do bagging, resultando em ganhos adicionais de performance. Este artigo explora os efeitos do uso de quatro medidas de dissimilaridade ao gerar os clusters. Para testar as séries, 21 séries temporais da aviação civil e demanda energética foram empregadas.

[en] Exponential smoothing methods (ES) are a versatile set of formulation for univariate time series forecasting developed in the late 1950s and 1960s. Most recent models make use of bagging to improve forecast quality. One of these models, BaggedETS, developed in 2016, has led to improvements in forecast accuracy and is available in R through the forecast library. A posterior proposal, BaggedClusterETS, added a clustering step to address the covariance effect that might occur when using bagging, resulting in additional gains in forecast accuracy. This article aims to explore the effects of using four different dissimilarity measures to generate clusters. To test the performance of these measures, 21 time series for civil aviation and energy demand were used.

FERNANDO LUIZ CYRINO OLIVEIRA

2021-05-13

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52678@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52678@2

https://doi.org/10.17771/PUCRio.SeminarPPGEP.52678