Aplicação de redes neurais recorrentes para previsão de séries temporais
A previsão de séries temporais é um tema que tem se tornado cada vez mais popular nas últimas décadas, graças às suas diversas aplicações em várias áreas do conhecimento e ao crescimento constante da quantidade de dados que é produzida a cada fração de segundo por uma infinidade de dispositivos ao r...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Estadual da Paraíba (UEPB) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UEPB |
| Idioma: | portugués |
| OAI Identifier: | oai:tede.bc.uepb.edu.br:tede/4804 |
| Acceso en línea: | http://tede.bc.uepb.edu.br/jspui/handle/tede/4804 |
| Access Level: | acceso embargado |
| Palabra clave: | Aprendizado de máquina Redes Neurais Recorrentes Previsão Série Temporal Time Series Forecasting Machine Learning Recurrent Neural Networks CIENCIAS DA SAUDE |
| Sumario: | A previsão de séries temporais é um tema que tem se tornado cada vez mais popular nas últimas décadas, graças às suas diversas aplicações em várias áreas do conhecimento e ao crescimento constante da quantidade de dados que é produzida a cada fração de segundo por uma infinidade de dispositivos ao redor do mundo. Existe uma ampla gama de métodos de previsão, cada um com propriedades específicas que devem ser consideradas na escolha de um método adequado para cada cenário de aplicação. Nos últimos anos, os modelos de aprendizado de máquina vêm ganhando destaque e se estabelecendo como sérios concorrentes aos modelos estatísticos clássicos, com destaque para as redes neurais recorrentes, que possuem uma espécie de memória, capaz de reter informações passadas e utilizá-las para prever valores futuros. Este trabalho propõe-se a investigar o desempenho de modelos neurais recorrentes frente a abordagens mais tradicionais na modelagem de séries temporais em dois cenários de aplicação que utilizam dados reais, com base em métricas de precisão da previsão. No primeiro cenário, investigou-se a efetividade desses modelos em aproximar os resultados obtidos na computação de índices de variabilidade de frequência cardíaca por meio de dados advindos de sensores de fotopletismografia àqueles alcançados por sensores de eletrocardiograma. Em um segundo cenário de aplicação, o desempenho desses modelos foi avaliado na previsão do volume de chamadas de emergência recebidas pelo serviço de atendimento ao consumidor de uma distribuidora de energia elétrica. Em ambos os cenários, o desempenho dos modelos neurais recorrentes foi superior aos modelos estatísticos, indicando que eles podem ser uma escolha apropriada para a previsão de séries temporais em diversas áreas. |
|---|