SaLLy - Previsão de Séries Temporais (Time Series Forecasting)
A previsão de séries temporais é uma subárea da análise de dados e modelagem preditiva que se concentra em prever valores futuros de um conjunto de dados dependente do tempo com base em padrões e tendências históricas. Os dados de séries temporais consistem em observações coletadas sequencialmente ao longo do tempo, como preços de ações, padrões climáticos ou números de vendas. A previsão de séries temporais envolve o desenvolvimento de modelos matemáticos e técnicas estatísticas que podem capturar os padrões complexos nos dados e usá-los para fazer previsões precisas sobre os valores futuros. Essas previsões podem ser usadas para uma variedade de aplicações, incluindo previsão de negócios, modelagem financeira, previsão do tempo e muito mais. Os modelos de previsão de séries temporais podem variar de modelos estatísticos simples a algoritmos de aprendizado de máquina complexos, e a escolha do modelo depende da natureza e complexidade dos dados e da aplicação específica.
Neste tópico, estamos interessados em desenvolver e utilizar uma ampla variedade de técnicas para análise e previsão de séries temporais para transformar dados em informações e tomadas de decisão.
Conheça nossa equipe de Previsão de Séries Temporais (Time Series Forecasting)
Javier Linkolk López
Coordenador de Pesquisa e Líder da Equipe
Publicações Principais
- da Silva, K.L.S., López-Gonzales, J.L., Turpo-Chaparro, J.E., Tocto-Cano, E., and Rodrigues, P.C. (2023). Spatio-temporal visualization and forecasting of PM10 in the Brazilian state of Minas Gerais. Scientific Reports, 13, 3269.
- Iftikhar, H., Bibi, N. Rodrigues, P.C., and López-Gonzales, J.L. (2023). Multiple novel decomposition techniques for time series forecasting: Application to monthly forecasting of electricity consumption in Pakistan. Energies, 16, 2579.
- Kazemi, M. and Rodrigues, P.C. (2023). Robust singular spectrum analysis: Comparison between classic and robust approaches for model fit and forecasting. Computational Statistics. DOI: 10.1007/s00180-022-01322-4
- Mesquita, V.B., Oliveira Filho, F.M. and Rodrigues, P.C. (2021). Detection of crossover points in detrended fluctuation analysis: An application to EEG signals of patients with epilepsy. Bioinformatics. 37, 1278-1284. DOI: 10.1093/bioinformatics/btaa955
- Sulandari, W., Subanar, Lee, M.H. and Rodrigues, P.C. (2020). Indonesian electricity load forecasting using singular spectrum analysis, fuzzy systems and neural networks. Energy. 190:116408. DOI: 10.1016/j.energy.2019.116408