Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/31845
Title: | Aplicação dos modelos de Holt-Winters e rede neural Feed-forward na previsão da produção de petróleo. |
Other Titles: | Application of Holt-Winters models and Feed-forward neural network in oil production forecasting. |
???metadata.dc.creator???: | PORTO, Bruno Matos. PHILIPPI, Daniela Althoff. |
Keywords: | Acuracidade;Medida de erros;Séries temporais;Modelos de Holt-Winters;Rede neural Feed-forward;Previsão da produção de petróleo;Accuracy;Error measurement;Time series;Holt-Winters models;Feed-forward neural network;Oil production forecast |
Issue Date: | 2018 |
Publisher: | Universidade Federal de Campina Grande |
Citation: | PORTO, Bruno Matos; PHILIPPI, Daniela Althoff. Aplicação dos modelos de Holt-Winters e rede neural Feed-forward na previsão da produção de petróleo. In: SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO, 6., 2018. Anais [...]. Salvador - BA: UNIFACS, 2018. ISSN: 2318-9258. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/31845 |
???metadata.dc.description.resumo???: | O objetivo deste estudo foi realizar previsões da produção de petróleo e comparar a precisão dos modelos Holt-Winters (HW) e rede neural (NNAR). Foram utilizados os modelos de séries temporais (HW) ambas as versões e a (NNAR) com uso do software R, com base nos dados retirados do sistema de gerenciamento de séries temporais do Banco Central do Brasil (BCB). Os dados são referentes à produção de petróleo do Brasil entre janeiro de 2007 a junho de 2017. As predições da produção de petróleo abrangeram o intervalo de julho a setembro de 2017. As previsões dos modelos foram comparadas por meio das medidas de erro MAD, MSD e MAPE, onde os resultados gerados pelos critérios de avaliação mostraram que a (NNAR) é altamente precisa, assim superou todos os outros modelos. Para pesquisas futuras sugerimos previsões fora da amostra de (1 até 12 meses) de um vasto número de séries temporais. |
Keywords: | Acuracidade Medida de erros Séries temporais Modelos de Holt-Winters Rede neural Feed-forward Previsão da produção de petróleo Accuracy Error measurement Time series Holt-Winters models Feed-forward neural network Oil production forecast |
???metadata.dc.subject.cnpq???: | Engenharia de Produção. |
URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/31845 |
Appears in Collections: | Anais do Simpósio de Engenharia de Produção SIMEP |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
APLICAÇÃO DOS MODELOS DE HOLT-WINTERS E REDE NEURAL FEED-FORWARD - ANAIS VI SIMEP ARTIGO 2018.pdf | Aplicação dos modelos de Holt-Winters e rede neural Feed-forward na previsão da produção de petróleo. - Anais VI Simep Artigo 2018 | 200.37 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.