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

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.