Duas propostas para solucionar o problema referente a médias móveis nulas na normalização adaptativa

• Ano de defesa: 2018
• Autor(a) principal: Niemeyer, Eduardo Fernando Costa de
• Orientador(a): Silva, Geraldo Zimbrão da
• Banca de defesa: Ogasawara, Eduardo Soares, Xexéo, Geraldo Bonorino
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio de Janeiro
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia de Sistemas e Computação
• Departamento: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
• País: Brasil
• Palavras-chave em Português: Normalização; Séries Temporais; Redes Neurais
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: http://hdl.handle.net/11422/13149

Apresenta-se, nesta dissertação, duas novas propostas para sanar o problema das médias móveis nulas para a Normalização Adaptativa, utilizada como parte do pré-processamento de um método de aprendizagem de máquinas para previsão em séries temporais. São elas: Normalização Adaptativa Compensada e Normalização Adaptativa por Subtração. Compara-se e analisa-se os resultados obtidos com essas duas novas propostas, aplicadas a 5 diferentes Datasets, com a Normalização Adaptativa Original, assim como com outros métodos de normalização presentes na literatura e o baseline ARIMA. Conclui-se que, a Normalização Adaptativa por Subtração, proposta nesse trabalho, supera todos os outros métodos para séries temporais não-estacionárias e heteroscedásticas, também corrigindo o problema referente às médias móveis nulas para a Normalização Adaptativa Original. Para séries temporais com alto grau de estacionariedade, todos os métodos de Normalização Adaptativa não são satisfatórios.