Sistemas Híbridos baseados Ensemble dinâmicos para aproximação de séries temporais

Resumo

Séries temporais estão muito presentes na sociedade moderna, ela é, conceitualmente, muito simples mas sua natureza é de extrema importância e principalmente para a previsão de tendências para mensurar a grandeza do evento em questão.  A análise de séries temporais é um método poderoso para entender e prever tendências e padrões dinâmicos em uma ampla gama de campos, incluindo economia, finanças, meteorologia, ciências sociais e engenharia. As séries temporais se destacam de outros dados estatísticos devido à sua natureza temporal. A ordem dos dados é intrínseca e crucial para a análise, já que a suposição central é que os valores futuros são dependentes dos valores anteriores. Muitos modelos convencionais (como o ARMA, ARIMA, regressão logística) e inteligentes(como a multi layer Perceptron, máquina de vetor de suporte) foram desenvolvidos para aumentar a precisão na previsão de tendência da série histórica. Os modelos inteligentes se distinguem dos modelos tradicionais de várias maneiras. Em primeiro lugar, eles são capazes de modelar e prever complexidades não lineares e padrões temporais de longo prazo, algo que muitos modelos tradicionais lutam para fazer. Além disso, eles podem aprender automaticamente recursos relevantes dos dados, em vez de depender de recursos pré-definidos pelos humanos. Apesar dessas vantagens, os modelos inteligentes não substituem completamente os modelos tradicionais. Uma vez que os modelos individualmente demonstram problemas próprios para cada caso específico, os ensembles se demonstraram uma estratégia muito viável pois não depende de um único modelo específico, o que aumenta o poder de generalização do modelo e traz confiabilidade, por isto este trabalho é o principio para novas propostas envolvendo a seleção dinâmica dos modelos para compor o modelo de ensemble final.