Redes Neurais

Universidade Estadual de Campinas

Predição de Séries Temporais usando Modelos
Lineares e Redes Neurais Artificiais(Redes MLP)

EA072­ Inteligência Artificial em Aplicações Industriais

1­ Introdução
Neste trabalho serão tratados aspectos básicos e fundamentais de predição de séries temporais. Uma série temporal é a classe de fenômenos cujo processo observacional e consequente quantificação numérica gera uma seqüência de dados distribuídos no tempo.
As séries temporais podem ser divididas em contínuas e discretas, caso o levantamento das observações da série possa ser feito a qualquer momento do tempo, a série temporal é dita contínua. Já uma série discreta pode ser representada por X T = { x1, x2, ..., xt }, sendo que cada observação discreta xt está associada a um instante de tempo distinto, existindo uma relação de dependência serial entre essas observações.
Como na maioria das séries, as observações são tomadas em intervalos de tempo discretos e equidistantes, o enfoque de nosso estudo será nas séries temporais discretas. Para tal estudo utilizaremos uma das técnicas de inteligência computacional, comumente usada na tentativa de prever séries temporais, o treinamento de redes neurais. As quais são baseadas na arquitetura e aprendizagem do cérebro humano.

2­ Atividades 2.1 Síntese de um preditor linear Uma forma de prever o comportamento de uma série temporal é por meio de preditores lineares. O vetor b de coeficientes que multiplica cada um dos L valores precedentes(onde L é o número de atrasos da série) pode, ou não incluir uma constante de regularização C. Pela equação do roteiro, temos a equação do coeficiente regularizado dado por:

Para decidir o valor de