Predição de séries de indicadores agropecuários por método de clustering não supervisionado
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Monografia de especialização
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Neste trabalho se propõe a elaboração de um sistema de predição de séries de indicadores agropecuários baseado na utilização de um método de agrupamento, Clustering, submetendo o modelo a um treinamento não supervisionado. Para isto, são utilizados, como série de dados de entrada, os valores correspondentes a cotações reais de fechamento, dos preços à vista dos produtos agropecuários, da Bolsa de Valores de São Paulo consideradas como primeira linha. O resultado obtido pelo modelo será comparado à predição gerada por dois métodos de referência (Naive e Rede MLP). Serão realizadas análises das predições resultantes do modelo e dos demais preditores, onde será demonstrado ser o modelo superior ao método Naive e similar ao da Rede MLP para o contexto da predição de um passo à frente. No final deste trabalho, serão sugeridas propostas de trabalhos futuros
Abstract
This work proposes the development of a prediction system for the agricultural indicators series based on the use of a clustering method, Clustering, subjecting the model to a unsupervised training. For this, they are used as serial input data, corresponding to the actual closing prices, spot prices of agricultural products, the Stock Exchange of São Paulo considered as first-line values. The result obtained by the model is compared to the prediction generated by two reference methods (Naive Network and MLP). Analyzes of the resulting predictions of the model and the other predictors, which will be shown to be superior to the Naive model method and similar to the MLP network for context prediction of one step ahead will be performed. At the end of this work, proposals for future work are suggested
Assunto
Predição (Logica), Engenharia elétrica, Automação industrial
Palavras-chave
MLP, Predição, Clustering