Modelagem fuzzy de componentes determinísticos para previsão de séries temporais

• Ano de defesa: 2020
• Autor(a) principal: Ferreira, Marcos Vinícius dos Santos
• Orientador(a): Rios, Ricardo Araújo
• Banca de defesa: Mello, Rodrigo Fernandes de, Camargo, Heloisa Arruda
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Bahia; Instituto de Matemática e Estatística
• Programa de Pós-Graduação: em Ciência da Computação
• País: brasil
• Palavras-chave em Português: Série temporal fuzzy; Decomposição de séries temporais; Sistemas dinâmicos e teoria do caos; Conjuntos fuzzy; Fuzzy C-Means; Previsão; Análise de séries temporais
• Área do conhecimento CNPq: Ciências Exatas e da Terra; Ciência da Computação
• Link de acesso: http://repositorio.ufba.br/ri/handle/ri/33696

A modelagem de dados no domı́nio temporal tem sido aplicada na modelagem de dife- rentes sistemas do mundo real como, por exemplo, meteorologia, engenharia, medicina e economia. Neste sentido, a área de Séries Temporais Fuzzy (Fuzzy Time Series) tem se destacado devido à sua capacidade de aproximar funções matemáticas por meio da criação de regras fáceis de serem interpretadas por especialistas. Como consequência dessa ca- pacidade, é possı́vel obter modelos mais precisos para compreender o comportamento de sistemas. Desde o surgimento de modelos de séries temporais fuzzy, pesquisadores vêm propondo melhorias a fim de, por exemplo, reduzir erros em tarefas de previsão. Em geral, tais tarefas são compostas de três etapas: (i) fuzzificação; (ii) relacionamento lógico fuzzy; e (iii) defuzzificação. De acordo com a literatura, um dos pontos mais es- tudados por pesquisadores é a etapa de fuzzificação, com foco no particionamento do universo do discurso para modelagem dos conjuntos fuzzy. No entanto, poucos trabalhos na literatura consideram a separação de influências dos componentes estocásticos e de- terminı́sticos das séries temporais com o objetivo de auxiliar no processo de modelagem dos conjuntos fuzzy. Visando superar essa limitação, o presente trabalho apresenta duas abordagens que realizam melhorias na modelagem dos conjuntos fuzzy, especificamente na etapa de fuzzificação, por meio da análise de influências de componentes estocásticos e determinı́sticos presentes em séries temporais. A primeira abordagem consiste na decom- posição da série separando seus componentes em diferentes nı́veis de influência estocástica e determinı́stica. Em seguida, componentes são removidos, resultando em uma nova série sem influência de ruı́do cuja combinação com a série original produz um novo conjunto de dados bidimensional, mais adequado para estimação dos conjuntos fuzzy. A segunda abordagem, por sua vez, consiste na modelagem de séries caracterizados pela presença de comportamento determinı́stico. Nesse sentido, ao invés de modelar a série como um gráfico de dispersão, utilizou-se ferramentas da área de Sistemas Dinâmicos e Teoria do Caos para reconstruir a série no espaço fase. Embora utilizem métodos distintos, as duas abordagens fazem a remoção da dependência temporal entre as observações para auxi- liar no processo de modelagem dos conjuntos fuzzy, o qual é conduzido considerando o método de agrupamento Fuzzy C-Means e ı́ndices de validação de agrupamento, para es- timar a quantidade de conjuntos fuzzy. Para avaliação das abordagens, foram realizados experimentos utilizando séries temporais amplamente analisadas na literatura de FTS. Os resultados atingidos foram promissores e superiores em comparação com o estado da arte.