[en] GPFIS-FORECAST+: A TYPE-2 FUZZY SYSTEM FOR TIME SERIES FORECAST BASED ON GENETIC PROGRAMMING

[pt] GPFIS-FORECAST+: UM SISTEMA FUZZY DO TIPO 2 PARA PREVISÃO DE SÉRIES TEMPORAIS BASEADO EM PROGRAMAÇÃO GENÉTICA

[pt] MARCO ANTONIO DA CUNHA FERREIRA

[pt] SERIE TEMPORAL

[pt] PROGRAMACAO GENETICA

[pt] LOGICA FUZZY

[pt] PREVISAO

[en] TIME SERIE

[en] GENETIC PROGRAMMING

[en] FUZZY LOGIC

[en] FORECASTING

[pt] Modelos de previsão de séries temporais são criados para atender as demandas da diversos setores da sociedade, como na indústria, no ramo de serviço e na área agrícola. Tais modelos são usados, por exemplo, para determinar estoque de insumos, logística de produtos e previsão do tempo. Neste contexto, esta tese propõe o modelo GPFIS-Forecast+, que permite a obtenção, de forma automática, de um sistema de previsão interpretável linguisticamente. O GPFIS-Forecast+ tem como ponto de partida o GPFISForecast desenvolvido anteriormente e fruto de uma hibridização de técnicas de programação genética e de sistemas fuzzy tipo 1. A base de regras do sistema de inferência fuzzy tipo 1 (SIFT1) é otimizada por meio da Programação Genética Multigênica. Na construção do modelo GPFIS-Forecast+, faz-se uso de conjuntos fuzzy tipo 2, que proporcionam ao modelo maior flexibilidade e, segundo a literatura, uma maior capacidade de lidar com dados ruidosos. Adiciona-se ainda a possibilidade de utilização de variáveis exógenas para aumento da variabilidade genética no processo de otimização estocástica. Os resultados da comparação entre os modelos GPFIS-Forecast e GPFIS-Forecast+ mostram que, em geral, o segundo apresenta os menores erros. Em comparação com outros modelos da literatura, observa-se que o o GPFIS-Forecast+ apresenta maior acurácia para séries sem tendência e sem heterocedasticidade.

[en] Time series forecasting models are designed to meet the demands of various sectors of society, such as industry, service and agriculture. Such models are used, for example, to evaluate stock, define product logistics and in weather forecast. In this context, this thesis proposes the GPFISForecast+ model, which allows the automatic design of a linguistically interpretable prediction system. The GPFIS-Forecast + has as its starting point the previously developed GPFIS-Forecast, a result of a hybridization of genetic programming techniques and type-1 fuzzy systems. The rule base of the type-1 fuzzy inference system (SIFT1) is optimized through Multigenic Genetic Programming. In the construction of the GPFIS-Forecast + model, type-2 fuzzy sets are used, which provide a model with greater flexibility and, according to the literature, a greater capacity of dealing with noisy data. It also adds the possibility of using exogenous variables to increase genetic variability in the stochastic optimization process. Results of the comparison between the GPFIS-Forecast and GPFIS-Forecast+ models show that the second presents the smallest errors in general. When compared to other models in the literature, the GPFIS-Forecast+ presents higher accuracy for series without tendency and without heteroscedesticity.

RICARDO TANSCHEIT

MARLEY MARIA BERNARDES REBUZZI VELLASCO

RICARDO TANSCHEIT

MARLEY MARIA BERNARDES REBUZZI VELLASCO

KARLA TEREZA FIGUEIREDO LEITE

MYRIAM REGATTIERI DE BIASE DA SILVA DELGADO

JORGE LUIS MACHADO DO AMARAL

EDUARDO PESTANA DE AGUIAR

2021-10-04

2020-09-23

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55199@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55199@2