DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 329

Aluno: Rodolfo Viegas de Albuquerque

Título: "Uma Análise Comparativa de Operadores de Combinação em Ensembles Heterogêneos para Previsão de Séries Temporais"

Orientador: João Fausto Lorenzato de Oliveira

Examinador Externo: Leandro Maciel Almeira (UFPE)

Examinador Interno: Cleyton Mário de Oliveira Rodrigues

Data-hora: 29 de Julho de 2025 às 17h

Local: Formato Remoto - Google Meet.

---

Resumo:

         A tomada de decisão racional é cada vez mais fundamentada em dados e, consequentemente, métodos de previsão precisam de maior poder preditivo. Uma das áreas que demanda mais essa capacidade apurada é a previsão de séries temporais. Uma forma de melhorar a previsão de séries é por meio do uso de combinações de modelos; essas vêm mostrando-se como ferramentas viáveis para aumentar a acurácia de sistemas preditivos. Esta dissertação analisa quatro operadores de combinação para previsão de séries temporais: média simples, mediana, média ponderada e stacking (empilhamento) com SVR como meta-modelo. O contexto de análise desses preditores é a previsão de um passo à frente, séries de sazonalidade mensal e combinações de nove modelos --- quatro de aprendizagem de máquina (MLP, SVR, KNN e Random Forest) e cinco estatísticos (ARIMA, ETS, Theta, CES e TBATS). As combinações são feitas sem repetição de dois a nove modelos, cada uma empregando os quatro operadores. Além disso, é proposta uma forma nova de estimação de pesos para o operador ponderado --- o vetor de feature importance do ensemble Extremely Randomized Trees. Após a análise dos combinadores, constataram-se resultados favoráveis ao operador média ponderada, com os menores erros de SMAPE e RMSE, bons resultados também para a média simples, concordando com a literatura. Os operadores mediana e empilhamento não obtiveram um apuramento satisfatório, contradizendo alguns trabalhos importantes que o utilizaram, e stacking com os resultados piores, em geral inferiores aos modelos individuais.