MODELAGEM NEURO-FUZZY EVOLUTIVA NO ESPAÇO DE ESTADOS BASEADA EM COMPONENTES NÃO-OBSERVÁVEIS PARA PREVISÃO DE SÉRIES TEMPORAIS SAZONAIS
Selmo Eduardo Rodrigues Júnior1; Ginalber Luiz de Oliveira Serra2
1 Universidade Federal do Maranhão; 2 Instituto Federal do Maranhão
Resumo
Neste artigo, propõe-se uma Rede Neuro-Fuzzy Takagi-Sugeno (RNF-TS) evolutiva para a previsão de séries temporais. Essa RNF-TS usa dados das componentes não-observáveis extraı́das da série temporal para realizar a previsão e modificar sua estrutura de base de regras fuzzy, adaptanto-se a esses dados. O método que a RNF-TS utiliza para identificar essas componentes não-observáveis é o de Análise Espectral Singular. Os experimentos consideram quatro séries temporais para avaliar o desempenho da RNF-TS proposta e para comparar com outras metodologias na literatura. A abordagem proposta apresentou resultados competitivos e é uma alternativa promissora para previsão de séries temporais e caracterização de suas componentes não-observáveis.
Palavras-chave: Previsão de Séries Temporais; Evolutivo; Neuro-Fuzzy Takagi-Sugeno; Análise Espectral Singular