Redes Neurais Usando Séries Temporais

Abstract — As Redes Neurais Artificiais podem ser utilizadas para a previsão de séries temporais. Uma dessas redes é a chamada Multilayer Perceptron (MLP), uma Rede Neural
Artificial Multicamadas. Esse artigo usa MLP para mostrar a sua eficiência no tratamento de previsão de séries temporais, apresentando dois exemplos. Conclui-se que essa técnica é válida, porém ainda há o que se estudar e fatores a melhorar para que o erro diminua ainda mais.
Keywords: Redes Neurais; MLP; Perceptron; PEA; PIA;
Meteorologia;

I.

INTRODUCÃO

O estudo de séries temporais tem diversas aplicações importantes, como por exemplo, análise do mercado financeiro, variação populacional ou das condições climáticas de uma região. Neste trabalho são considerados dois casos: o caso de uma variação da porcentagem da população ativa com mais de 50 anos de Belo Horizonte e do Brasil em determinado tempo, e também o caso climático de Belo
Horizonte. O estudo da Taxa de Participação no Mercado de trabalho envolve a PEA (população economicamente ativa) e a
PIA (população em Idade Ativa), sendo abordados aqui dados com população acima de 50 anos, logo a taxa de participação no mercado é defina por PEA/PIA, e tem como objetivo mostrar a porcentagem da população com essa faixa etária que ainda está em atividade, assim como também sua progressão.
Sua interpretação pode ser usada para fatores em relação à aposentadoria, desemprego, nível de experiência, ou até mesmo no aumento da idade mínima para aposentar, uma vez que grande parcela está ativamente hoje.
Então queremos mostrar que o mesmo estudo feito com a população pode se estender para outras localidades ou dados, como temperatura, apresentado aqui também, crescimento demográfico, variação de fluxo, dados econômicos, etc., resumindo: dados temporais. A técnica de Redes Neurais
Artificiais é uma boa solução para esse caso.
A arquitetura de Rede Neural mais adequada para o estudo de séries temporais é a