[pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO

[pt] Séries Temporais que podem ser organizadas em níveis de acordo com, por exemplo, o tipo de produto, região geográfica, classe de consumo, dentre outros, são chamadas de Séries Temporais Hierárquicas (ou agrupadas, quando possuem mais de uma variável de agregação). Informações referentes à previ...

Descripción completa

Detalles Bibliográficos
Autor: THAISA DE FREITAS
Tipo de recurso: tesis doctoral
Estado:Versión publicada
Fecha de publicación:2016
País:Brasil
Institución:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
Repositorio:Repositório Institucional da PUC-RIO (Projeto Maxwell)
Idioma:portugués
OAI Identifier:oai:MAXWELL.puc-rio.br:27241
Acceso en línea:https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=2
http://doi.org/10.17771/PUCRio.acad.27241
Access Level:acceso abierto
Palabra clave:[pt] SERIE TEMPORAL HIERARQUICA
[pt] TOP-DOWN BASEADO NAS PROPORCOES DA PREVISAO
[pt] RECONCILIACAO OTIMA
[pt] PREVISAO HIERARQUICA
[en] HIERARCHICAL TIME SERIES
[en] HIERARCHICAL FORECASTING
id BR_2f17ceb5a3718bdb82136e51c74ca7f1
oai_identifier_str oai:MAXWELL.puc-rio.br:27241
network_acronym_str BR
network_name_str Brasil
repository_id_str
dc.title.none.fl_str_mv [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
[en] MODELS AND APPLICATIONS TO HIERARCHICAL TIME SERIES: APPROACHES OF RECONCILIATION OPTIMAL AND FORECAST PROPORTIONS
title [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
spellingShingle [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
THAISA DE FREITAS
[pt] SERIE TEMPORAL HIERARQUICA
[pt] TOP-DOWN BASEADO NAS PROPORCOES DA PREVISAO
[pt] RECONCILIACAO OTIMA
[pt] PREVISAO HIERARQUICA
[en] HIERARCHICAL TIME SERIES
[en] HIERARCHICAL FORECASTING
title_short [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
title_full [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
title_fullStr [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
title_full_unstemmed [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
title_sort [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO
dc.creator.none.fl_str_mv THAISA DE FREITAS
author THAISA DE FREITAS
author_facet THAISA DE FREITAS
author_role author
dc.contributor.none.fl_str_mv FERNANDO LUIZ CYRINO OLIVEIRA
FERNANDO LUIZ CYRINO OLIVEIRA
FERNANDO LUIZ CYRINO OLIVEIRA
dc.subject.por.fl_str_mv [pt] SERIE TEMPORAL HIERARQUICA
[pt] TOP-DOWN BASEADO NAS PROPORCOES DA PREVISAO
[pt] RECONCILIACAO OTIMA
[pt] PREVISAO HIERARQUICA
[en] HIERARCHICAL TIME SERIES
[en] HIERARCHICAL FORECASTING
topic [pt] SERIE TEMPORAL HIERARQUICA
[pt] TOP-DOWN BASEADO NAS PROPORCOES DA PREVISAO
[pt] RECONCILIACAO OTIMA
[pt] PREVISAO HIERARQUICA
[en] HIERARCHICAL TIME SERIES
[en] HIERARCHICAL FORECASTING
description [pt] Séries Temporais que podem ser organizadas em níveis de acordo com, por exemplo, o tipo de produto, região geográfica, classe de consumo, dentre outros, são chamadas de Séries Temporais Hierárquicas (ou agrupadas, quando possuem mais de uma variável de agregação). Informações referentes à previsão destas séries são fundamentais para a tomada de decisão seja no nível gerencial ou operacional de todo tipo de negócio. Para atender a essas informações, são utilizadas técnicas de previsão hierárquica, que têm como foco reduzir os custos e melhorar a acurácia da previsão. O objetivo deste trabalho é estudar abordagens para agregar/desagregar previsões feitas para Séries Temporais Hierárquicas ou Agrupadas. Como resultado do trabalho destaca-se a apresentação das abordagens que representam o estado da arte em previsão hierárquica: Reconciliação Ótima (também chamada de Combinação Ótima) e Top-Down baseada na Proporção das Previsões. Ainda referente aos resultados destaca-se a análise das diversas técnicas de previsão hierárquica encontradas na literatura aplicadas a duas séries clássicas do contexto brasileiro: a série agrupada de consumo de energia elétrica agregada por região do país e classe de consumo, e a série hierárquica de demanda de transporte aéreo representada pela variável RPK (Revenue Passenger Kilometers). O desempenho preditivo das abordagens foi avaliado com base na métrica MAPE, e o teste de Diebold-Mariano foi aplicado para verificar se a diferença no desempenho das abordagens novas e tradicionais é significativa.
publishDate 2016
dc.date.none.fl_str_mv 2016-08-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=2
http://doi.org/10.17771/PUCRio.acad.27241
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=2
http://doi.org/10.17771/PUCRio.acad.27241
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1853670977864466432
spelling [pt] MODELOS E APLICAÇÕES PARA SÉRIES TEMPORAIS HIERÁRQUICAS: ABORDAGENS DE RECONCILIAÇÃO ÓTIMA E PROPORÇÕES DE PREVISÃO[en] MODELS AND APPLICATIONS TO HIERARCHICAL TIME SERIES: APPROACHES OF RECONCILIATION OPTIMAL AND FORECAST PROPORTIONS[pt] SERIE TEMPORAL HIERARQUICA[pt] TOP-DOWN BASEADO NAS PROPORCOES DA PREVISAO[pt] RECONCILIACAO OTIMA[pt] PREVISAO HIERARQUICA[en] HIERARCHICAL TIME SERIES[en] HIERARCHICAL FORECASTING[pt] Séries Temporais que podem ser organizadas em níveis de acordo com, por exemplo, o tipo de produto, região geográfica, classe de consumo, dentre outros, são chamadas de Séries Temporais Hierárquicas (ou agrupadas, quando possuem mais de uma variável de agregação). Informações referentes à previsão destas séries são fundamentais para a tomada de decisão seja no nível gerencial ou operacional de todo tipo de negócio. Para atender a essas informações, são utilizadas técnicas de previsão hierárquica, que têm como foco reduzir os custos e melhorar a acurácia da previsão. O objetivo deste trabalho é estudar abordagens para agregar/desagregar previsões feitas para Séries Temporais Hierárquicas ou Agrupadas. Como resultado do trabalho destaca-se a apresentação das abordagens que representam o estado da arte em previsão hierárquica: Reconciliação Ótima (também chamada de Combinação Ótima) e Top-Down baseada na Proporção das Previsões. Ainda referente aos resultados destaca-se a análise das diversas técnicas de previsão hierárquica encontradas na literatura aplicadas a duas séries clássicas do contexto brasileiro: a série agrupada de consumo de energia elétrica agregada por região do país e classe de consumo, e a série hierárquica de demanda de transporte aéreo representada pela variável RPK (Revenue Passenger Kilometers). O desempenho preditivo das abordagens foi avaliado com base na métrica MAPE, e o teste de Diebold-Mariano foi aplicado para verificar se a diferença no desempenho das abordagens novas e tradicionais é significativa.[en] Time Series which can be arranged in levels according to, for example, the type of product, geography, consumption class, among others, are called Hierarchical Time Series (or grouped, if they have more than one aggregation variable). Information relating these series prediction is fundamental for decision-making at the management or operational level of all types of business. To meet these information, hierarchical forecasting techniques are used, which are focused on reducing costs and improving the accuracy of prediction. The objective of this work is to study approaches to aggregate / disaggregate predictions for Hierarchical or Grouped Time Series. As a result of the work there is the presentation of the approaches that represent the state of the art hierarchical forecast: Optimal Reconciliation approach (also called the Optimal Combination) and Top-Down Forecast Proportions approach. Still on the results highlight the analysis of the various hierarchical forecasting techniques found in the literature applied to two classic series of the Brazilian context: a grouped series of electricity consumption aggregated by region of the country and consumer class, and the hierarchical series air transport demand represented by the variable RPK (Revenue Passenger Kilometers). The predictive performance of the approaches was evaluated based on the metric MAPE and the Diebold-Mariano test was used to verify that the difference in performance of new and traditional approaches is significant.MAXWELLFERNANDO LUIZ CYRINO OLIVEIRAFERNANDO LUIZ CYRINO OLIVEIRAFERNANDO LUIZ CYRINO OLIVEIRA2016-08-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27241&idi=2http://doi.org/10.17771/PUCRio.acad.27241porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccessTHAISA DE FREITAS2022-06-28T00:00:00Zoai:MAXWELL.puc-rio.br:27241Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-06-28T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
score 15.301629

Similares en LA Referencia