Time series forecasting via machine learning using signal processing and exogenous features (2025)
- Authors:
- Autor USP: AVILA, RENAN DE LUCA - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Subjects: APRENDIZAGEM PROFUNDA; PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
- Language: Inglês
- Abstract: A previsão de séries temporais é um tema de pesquisa de grande relevância, anterior ao surgimento do aprendizado de máquina. Modelos estatísticos tradicionais concentram-se na previsão da série-alvo exclusivamente a partir de seus próprios valores passados. Nos últimos anos, entretanto, demonstrou-se que a inclusão de múltiplas variáveis relacionadas ao contexto da série-alvo como entradas do modelo, bem como a extração de novos atributos a partir delas — por exemplo, por meio de técnicas de decomposição de sinais e redução de dimensionalidade — pode melhorar a acurácia preditiva. Contudo, à medida que mais dados s˜ao adicionados ao modelo, torna-se mais difícil que o treinamento convirja para um ótimo global; por outro lado, quanto mais agressiva for a redução dos dados, maior o risco de perda de informações relevantes. Para lidar com esse trade-off, este trabalho investiga como um modelo de entrada única de ´ultima geração que utiliza decomposição de séries temporais para extração de atributos (CEEMDAN-LSTM) pode incorporar variáveis exógenas para melhorar sua acurácia, equilibrando os desafios de complexidade do treinamento. A investigação utilizou quatro conjuntos de dados de diferentes domínios e resultou em duas contribuições principais: a proposta de uma nova arquitetura, X-CEEMDAN-LSTM, que inclui variáveis exógenas como entradas e supera sua versão de entrada única; e a avaliação de diferentes métricas de relevância — incluindo duas propostas neste trabalho — para selecionar as variáveis exógenas mais significativas, reduzindo a dimensionalidade do conjunto de dados sem comprometer o desempenho do modelo X-CEEMDAN-LSTM.
- Imprenta:
- Data da defesa: 07.05.2025
-
ABNT
AVILA, Renan de Luca. Time series forecasting via machine learning using signal processing and exogenous features. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-10122025-101408/pt-br.php. Acesso em: 02 jan. 2026. -
APA
Avila, R. de L. (2025). Time series forecasting via machine learning using signal processing and exogenous features (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-10122025-101408/pt-br.php -
NLM
Avila R de L. Time series forecasting via machine learning using signal processing and exogenous features [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-10122025-101408/pt-br.php -
Vancouver
Avila R de L. Time series forecasting via machine learning using signal processing and exogenous features [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-10122025-101408/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
