| Resumo: | Novas alternativas para a Previsão de Séries Temporais emergiram a partir da disciplina da Inteligência Artificial, onde foram desenvolvidas ferramentas inspiradas na natureza, como as Redes Neuronais Artificiais (RNAs) e os Algoritmos Genéticos e Evolucionários (AGEs), que se tornaram populares. As RNAs são candidatas naturais para uma previsão não linear, enquanto que os AGEs providenciam uma procura adaptativa, sendo talhados para uma optimização global. O presente trabalho descreve uma utilização de ambos estes paradigmas para a PST. Foram efectuados testes comparativos com métodos convencionais de previsão (e.g., o Alisamento Exponencial e a metodologia de Box Jenkins), em diferentes séries reais e artificiais, demonstrando que os modelos inspirados na natureza exibem melhores previsões, especialmente quando são considerados sistemas complexos (e.g., séries não lineares e caóticas). Por último, estes modelos foram também aplicados à previsão em tempo real, onde as RNAs revelaram os melhores resultados.
|
|---|