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.