Use este identificador para citar ou linkar para este item: http://repositorio.ufgd.edu.br/jspui/handle/prefix/2896
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Costa, Anderson Bessa da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7301361373989213pt_BR
dc.contributor.referee1Batista Junior, Joinvile-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7711394117839430pt_BR
dc.contributor.referee2Odakura, Valguima Victoria Viana Aguiar-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0165414661753032pt_BR
dc.creatorVeríssimo, Joselmo da Luz-
dc.date.accessioned2020-04-22T13:06:11Z-
dc.date.available2020-04-22T13:06:11Z-
dc.date.issued2016-09-23-
dc.identifier.citationVERÍSSIMO, Joselmo da Luz. Séries temporais: um estudo de previsão. 2016. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Faculdade de Ciências Exatas e Tecnologias, Universidade Federal da Grande Dourados, Dourados, MS, 2016.pt_BR
dc.identifier.urihttp://repositorio.ufgd.edu.br/jspui/handle/prefix/2896-
dc.description.abstractThis work presents a prediction study of time series. A time series and a set of data points (information) observed over time. The study uses the ARIMA and Neural Networks and methodologies to make data predictions, seeking to identify among the studied methods the most effective based on the results obtained. Each methodology has its own characteristics in the search for the best result. ARIMA models are a combination of three components which can be interpreted as "filters", which are important parameters for the model in predicting the data. Neural Networks is based on the idea of learning, as well as in the brain, the information received is processed, used to train the network and a model is used that can he used to medict new dat.en
dc.description.resumoEste trabalho apresenta um estudo de predição realizado com séries temporais. Uma série temporal é o conjunto de pontos experimentais (informações) observados ao longo do tempo. O estudo utiliza as metodologias ARIMA e Redes Neurais para realizar as previsões de dados, buscando identificar entre as metodologias estudadas aquela que pode ser considerada de maior eficácia na comparação dos resultados obtidos. Cada metodologia apresenta características próprias na busca pelo melhor resultado. Os modelos ARIMA são uma combinação de três componentes, que podem ser interpretados como ”filtros”, sendo estes parâmetros importantes para o modelo na previsão dos dados. As Redes Neurais baseiam-se na ideia de aprendizado, assim como no cérebro, as informações recebidas são processadas, treina-se a rede e espera a indicação do resultado conforme seu aprendizado.pt_BR
dc.description.provenanceSubmitted by Alison Souza (alisonsouza@ufgd.edu.br) on 2020-04-22T13:06:11Z No. of bitstreams: 1 JoselmoLuzVerissimo.pdf: 2457899 bytes, checksum: 942a79615f37e32ff04e8ade94cba8fb (MD5)en
dc.description.provenanceMade available in DSpace on 2020-04-22T13:06:11Z (GMT). No. of bitstreams: 1 JoselmoLuzVerissimo.pdf: 2457899 bytes, checksum: 942a79615f37e32ff04e8ade94cba8fb (MD5) Previous issue date: 2016-09-23en
dc.languageporpt_BR
dc.publisherUniversidade Federal da Grande Douradospt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentFaculdade de Ciências Exatas e Tecnologiapt_BR
dc.publisher.initialsUFGDpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSéries temporais (linguagem de programação)pt_BR
dc.subjectTime Series (Computer program language)en
dc.subjectRede neural (Ciência da computação)pt_BR
dc.subjectNeural computersen
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.titleSéries temporais: um estudo de previsãopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Aparece nas coleções:Sistemas de Informação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JoselmoLuzVerissimo.pdf2,4 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.