@PHDTHESIS{ 2021:271668875,
 	title = {Metodologia de modelagem computacional inteligente para previsão de séries temporais baseada em sistemas evolutivos e análise espectral singular recursiva},
 	year = {2021},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3620",
 	abstract = "Essa tese propõe uma metodologia evolutiva para previsão de séries temporais univariáveis ou
 multivariáveis baseada em uma estrutura de rede neuro-fuzzy, capaz de atualizar sua base de
 conhecimento para cada nova observação que chega. Essa proposta possui uma característica
 híbrida, pois utiliza uma rede neuro-fuzzy cujas regras fuzzy contêm em seus consequentes
 modelos de vetores autorregressivos (VAR). Esses modelos são constituídos pelas componentes
 não-observáveis, ou seja, são padrões ocultos extraídos a partir da série temporal. Para extrair
 essas componentes, uma versão recursiva e paralela do método SSA (Singular Spectrum Analysis)
 é proposta no trabalho. Denominou-se essa versão de PRSSA (Parallel Recursive Singular
 Spectrum Analysis), sendo que o nome paralelo está relacionado ao fato que, para cada série,
 há um procedimento de decomposição associado. Unificando esses métodos, a metodologia
 proposta tem o nome de PRSSA+ENFN (Parallel Recursive Singular Spectrum Analysis and
 Evolving Neuro-Fuzzy Network), destacando novamente seu perfil híbrido. Dessa maneira, o
 método PRSSA+ENFN proposto nessa pesquisa aplica a abordagem "dividir para conquistar",
 isto é, extrai as componentes não-observáveis e realiza suas previsões separadamente por meio
 da rede neuro-fuzzy, pois estas componentes apresentam comportamento menos complexo que a
 série temporal completa. Após a previsão das componentes, esses resultados são agrupados para
 prever a série temporal original. Ademais, a rede neuro-fuzzy tem característica evolutiva, ou
 seja, considera o comportamento dinâmico dessas componentes para evoluir sua estrutura a cada
 nova observação, cuja quantidade de regras fuzzy pode aumentar ou diminuir de acordo com essa
 dinâmica. Avaliou-se nos resultados experimentais a flexibilidade do método PRSSA+ENFN
 em trabalhar tanto com séries univariáveis quanto multivariáveis, realizando previsões do tipo
 recorrente ou direta. Além disso, a abordagem proposta foi comparada com outros trabalhos
 e métodos utilizados na literatura para previsão de séries temporais, apresentando resultados
 competitivos de previsão e que mostraram que a metodologia desenvolvida pode ser usada
 em casos envolvendo séries temporais complexas e não-estacionárias. Realizou-se também a
 aplicação do PRSSA+ENFN em um problema real relacionado à pandemia do Covid-19 no
 estado do Maranhão - Brasil, avaliando seu comportamento para previsão dos números diários
 de casos e mortes devido a essa doença. Dessa forma, esse método proposto se mostrou como
 uma potencial abordagem a fim de auxiliar os especialistas no processo de tomada de decisão e
 para continuar a ser explorada em trabalhos futuros.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}