Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8767
Tipo do documento: | Dissertação |
Título: | Estudo do desempenho da combinação de preditores baseados em cópulas e máquinas de vetor de suporte para séries temporais úteis ao desenvolvimento sustentável |
Autor: | SILVA, Taciana Araújo da ![]() |
Primeiro orientador: | SILVA, Frank Sinatra Gomes da |
Primeiro coorientador: | FIRMINO, Paulo Renato Alves |
Primeiro membro da banca: | VASCONCELOS, Josimar Mendes de |
Segundo membro da banca: | MATTOS NETO, Paulo Salgado Gomes de |
Resumo: | O século XXI é marcado por discussões acerca da promoção do desenvolvimento sustentável e sua importância no contexto mundial. Para tal, mostra-se indispensável o uso de indicadores de controle, que permitem monitorar, entender, diagnosticar e prever variáveis de interesse. Dessa forma, a modelagem e previsão de séries temporais são uma importante ferramenta de tomada de decisão para o planejamento e adequada execução de ações nos três eixos elementares do desenvolvimento sustentável: ambiental, econômico e social. A modelagem estatístico-computacional tem se tornado cada dia mais eficiente com o desenvolvimento de novas técnicas para analisar o comportamento de fenômenos e suas mudanças ao longo do tempo, bem como prever seus valores futuros com base em observações passadas. E, entre essas técnicas de previsão, destaca-se as combinações de preditores, que têm se mostrado estatisticamente mais acuradas e eficientes que modelos individuais, por exemplo. Abordagens como a combinação de preditores via cópulas e SVR (sigla para regressão de vetor de suporte, do inglês support vector regression) são promissoras nessa área. Há ainda as abordagens mais clássicas, como a combinação por média simples, mediana simples ou mínima variância. Este trabalho tem como objetivo realizar um estudo do desempenho destes combinadores na previsão de séries temporais úteis ao desenvolvimento sustentável. Ao todo, doze séries temporais são estudadas, a partir de quatro formalismos de modelagem individual e quatro de combinação. Em todos os casos, modelos otimizados são desenvolvidos, a partir de algoritmos de otimização. O percurso metodológico consiste basicamente em: i) construir modelos individuais para cada série baseado sem formalismos como redes neurais artificiais, modelos auto regressivos e de médias móveis, de alisamento exponencial e regressão de vetores de suporte; ii) construir os combinadores e iii) avaliar o desempenho dos modelos, a partir de um conjunto de medidas de qualidade consagradas na literatura, bem como outras sugeridas neste trabalho. Os resultados mostram que os combinadores via cópula são mais promissores para séries úteis ao desenvolvimento sustentável quando comparados aos combinadores por SVR. Ainda, mesmo diante de modelos combinados os modelos mais simples apresentaram bons resultados. A parcimônia e o super ajuste ao treinamento podem ter comprometido o desempenho dos modelos de aprendizado de máquina individuais, comoSVReANN, afetando assim o desempenho dos combinadores. |
Abstract: | The 21th century has emphasized discussions regarding the sustainable development. In this way, it has been paramount the use of control indicators aimed to monitor, understand, diagnostic, and forecast variables of interest. Thus, time series modelling and forecasting exercises are important tools for decision making with respect to plans and actions regarding the triple bottom line of the sustainable development: environment, economy, and society. The statistical-computing modelling has become attractive by means of the development of technics for analyzing and predicting the behavior of phenomena changing through the time, considering the respective past observations. Among the alternatives, one must highlight the combination of predictors. Usually, they have been more accurate and efficient in statistical terms in comparison with single models. Therefore, approaches like copulas and support vector regression (SVR) seem useful, though classical formalisms, such as simple average, median, and minimal variance combinators, have presented good results. This work aims to compare the performance of the aforementioned combination strategies when forecasting time series useful for the sustainable development. Thus, twelve time series are taken into account, as well as four single modeling and four combination modeling formalisms. For all cases, optimized models are provided via optimization methods. The methodology is based on: i) to build single models for each time series, considering artificial neural nets, autoregressive and moving average, exponential smoothing, and SVR; ii) to build the combinators; and iii) to evaluate the performance of the models, according to a number of stablished quality metrics as well as measures proposed in the work. The results show that copula combinators are more promising for series useful for sustainable development when compared to SVR combinators. Still, even in the face of combined models, the simplest models showed good results. Parsimony and overfitting training may have compromised the performance of individual machine learning models, such as SVR and ANN, thus affecting the performance of the combiners. |
Palavras-chave: | Séries temporais Modelagem estatística Cópula (Estatística matemática) Distribuição (Teoria da probabilidade) Desenvolvimento sustentável Regressão de vetor de suporte Rede neural artificial |
Área(s) do CNPq: | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal Rural de Pernambuco |
Sigla da instituição: | UFRPE |
Departamento: | Departamento de Estatística e Informática |
Programa: | Programa de Pós-Graduação em Biometria e Estatística Aplicada |
Citação: | SILVA, Taciana Araújo da. Estudo do desempenho da combinação de preditores baseados em cópulas e máquinas de vetor de suporte para séries temporais úteis ao desenvolvimento sustentável. 2020. 98 f. Dissertação (Programa de Pós-Graduação em Biometria e Estatística Aplicada) - Universidade Federal Rural de Pernambuco, Recife. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8767 |
Data de defesa: | 28-Fev-2020 |
Aparece nas coleções: | Mestrado em Biometria e Estatística Aplicada |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Taciana Araujo da Silva.pdf | Documento principal | 2,25 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.