Márcio Mota Lopes
Resumo
Esta dissertação apresenta uma técnica de inserção de dados cujo propósito é resolver o problema de valores faltantes em séries temporais, bem como, otimizar séries temporais, através da programação genética. O método de inserção de dados é baseado no algoritmo dos vizinhos mais próximos. Essa análise é de grande importância, pois para a previsão de séries temporais os dados devem estar cronologicamente ordenados. Após as análises, estatística e dos dados faltantes da série, utiliza-se o Modelo de Winters para a previsão inicial. Com os resíduos gerados pelo modelo, usa-se a programação genética para identificar a melhor função que se adéqüe ao comportamento dos resíduos. Ao final, efetua-se testes e comparações dos resultados com outras implementações.
Abstract
This work presents one technique of insertion of data whose intention is to solve the problem of missing values in time series, as well as, to optimize the prediction accuracy of time series, through the genetic programming approach. The method of insertion of data is based on the nearest neighbours algorithm. This analysis is of great importance, because for forecast of time series the data must be sequentially inputed. After the analyses, statistics and the imputation of the missing data, the Winters Model for the initial forecast is used. With the residues generated by the model, genetic programming is used to identify the best function to minimize the behavior of the residues. Some tests and comparisons of the results with other strategies were presented.
