MODELO PREVISOR PARA SÉRIES DE TEMPO BASEADO EM REDES NEURAIS ARTIFICIAIS E DECOMPOSIÇÃO DE MODO EMPÍRICO

Autores

  • Levi Lopes Teixeira UTFPR

Resumo

Neste artigo, fez-se um comparativo dos resultados das previsões multipassos à frente (estratégia recursiva) de vazões mensais coletadas no posto 266-Itaipu. Comparou-se as previsões oriundas de três métodos: ARIMA, Redes Neurais Artificiais (RNA) Feedforward e um método híbrido formado por Decomposição de Modo Empírico (EMD), RNA Feedforward e Regressão Linear Múltipla (RLM). O método híbrido, denominado EMD-RNA-RLM, apresentou erros de previsão menores aos individuais ARIMA e RNA. Os Erros Médios Percentuais Absolutos (MAPE) obtidos para uma previsão doze passos à frente por meio dos métodos ARIMA, RNA e EMD-RNA-RLM, foram 7,5%, 14,8% e 20,6%, respectivamente.

Biografia do Autor

Levi Lopes Teixeira, UTFPR

Professor lotado no departamento de matemática e estatística da UTFPR

Downloads

Publicado

2020-12-30

Edição

Seção

Artigos