Otimização de Modelo Híbrido para Previsão de Séries Temporais Não-lineares

Luana Gonçalves

DOI: 10.14209/sbrt.2024.1571036815

Evento: XLII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2024)

Keywords:

Abstract

A previsão de séries temporais é vital em diversas áreas do conhecimento. Métodos tradicionais como ARIMA, apesar de populares, se limitam a séries temporais lineares estacionárias. O uso de métodos de Aprendizado de Máquina tem se mostrado eficaz para modelar não-linearidades. Este estudo propõe uma metodologia híbrida que combina ARIMA e Redes Neurais, associados à otimização dos intervalos de atraso no tempo para a estimação. O objetivo é melhorar a precisão da previsão em séries temporais complexas e dinâmicas.

Download