Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/14092
Título: Modelling and forecast of charcoal prices using a neuro-fuzzy system
Título(s) alternativo(s): Modelagem e prognose do preço de carvão usando um sistema neuro-fuzzy
Autor: Araújo Júnior, Carlos Alberto
Silva, Liniker Fernandes da
Leite, Helio Garcia
Valdetaro, Erlon Barbosa
Donato, Danilo Barros
Castro, Renato Vinícius Oliveira Castro
Palavras-chave: Time series
Computational intelligence
ANFIS
Adaptive network-based fuzzy inference system
Série temporal
Inteligência computacional
Sistema de inferência neuro-fuzzy adaptável
Publicador: Universidade Federal de Lavras (UFLA)
Data: 8-Jun-2016
Referência: ARAÚJO JÚNIOR, C. A. et al. Modelling and forecast of charcoal prices using a neuro-fuzzy system. CERNE, [S.l.], v. 22, n. 2, p. 151-158, 2016. DOI: 10.1590/0104776020162222103.
Resumo: Utilizando dados da série temporal mensal de preços de carvão vegetal em Minas Gerais no período de janeiro de 2000 à setembro de 2014, este estudo teve como objetivo avaliar o uso do sistema neuro-fuzzy para modelagem e previsão de preços. Foram utilizados quatro estruturas de modelagem considerando diferentes defasagens da variável preço (1, 2, 3, 4 e 5 defasagens). A estrutura mais adequada para o sistema neurofuzzy foi escolhido com base nos valores de raiz quadrada do erro médio quadrático, erro médio absoluto, erro médio quadrático, erro médio percentual absoluto e máximo erro percentual absoluto para o período de previsão. Com os resultados encontrados, é possível concluir que um sistema neuro-fuzzy pode ser usado para prever corretamente os preços do carvão vegetal.
Abstract: Using a monthly time series of charcoal prices in Minas Gerais from January 2000 to September 2014, this study aimed to evaluate the use of neuro-fuzzy system to model the series and forecasting prices. We used four modeling structures for different prices lags (1, 2, 3, 4 and 5 lags). The structure most appropriate for neuro-fuzzy system was chosen based on the root mean square error, mean absolute error, mean squared error, mean absolute percentage error and maximum absolute percentage error for the forecasted period. With the results found, it is possible to conclude that a neuro-fuzzy system can be used properly to predict the charcoal prices.
Idioma: eng
Aparece nas coleções:CERNE

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Modelling and forecast of charcoal prices using a neuro-fuzzy system.pdf884,13 kBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons