Previsões para a série de tempo Canadian Lynx usando método que combina redes neurais artificiais, encolhimento e decomposição wavelet

Abstract

A previsao de series temporais e largamente utilizada nas diversas areas do conhecimento humano, principalmente no planejamento e direcionamento estrategico das empresas. O sucesso desta tarefa depende das tecnicas de previsoes aplicadas. Neste artigo, e proposta uma metodologia hibrida para se projetar series temporais. Para a validacao da metodologia foi escolhida uma serie de tempo ja modelada por outros autores, possibilitando a comparacao dos resultados. A metodologia proposta integra as seguintes tecnicas: encolhimento wavelet, decomposicao wavelet de nivel r e redes neurais artificiais (RNAs). Primeiramente, uma serie temporal a ser prevista e submetida ao metodo de filtragem wavelet proposto, o qual a decompoe em componentes de tendencia e de residuo linear. Em seguida, ambas sao decompostas via decomposicao de nivel r, gerando, para cada uma, r+1 componentes wavelet (CWs); e, em seguida, cada CW e individualmente modelada por uma RNA. Finalmente, as previsoes para todas as CWs sao linearmente combinadas, produzindo as previsoes para a serie temporal supracitada. Para avalia-lo, a serie temporal de Canadian Lynx foi usada e todos os resultados alcancados pelo metodo proposto foram melhores do que outros existentes na literatura.