Please enable JavaScript.
Coggle requires JavaScript to display documents.
Previsão de Séries Temporais, Repositórios de dados - Coggle Diagram
Previsão de
Séries Temporais
Decomposição de
Séries Temporais
Componentes de uma série temporal
Tendência
Sazonalidade
Resíduo
Técnicas de Decomposição
STL - Seasonal-Trend
Decompostion using LOESS
for single seasonality
for multiple seasonalities
MA - Moving Averages
FFT (Fast Fourier Transform)
REF1
Tipos de Séries Temporais
Quanto à estacionariedade
estacionárias
não-estacionárias
Quanto ao número de variáveis
Univariadas
Multi-variadas
Exemplo:
multivariate TS forecasting with sktime
Modelos de Previsão
Clássicos
Naive approach
(RW - random walk)
ARIMA models
Averaging methods
Moving average
Simple Average
Exponential Smoothing Methods
Holt-Winters
multiplicativo
aditivo
Holt's Linear Exponential Smoothing
Single Exponential Smoothing
SES
ARRSES - adaptive response rate SES
Notas de Aula
Machine Learining
MLP
RNN
LSTM
CNN
Newer Models
N-BEATS
N-HITS
PatchTST
Séries Financeiras
Análise Técnica
datasets
Microsoft Stock- Time Series Analysis
FRED
(Federal Reserv Economic Data)
Métricas de Avaliação
RMSE
MAPE
MAE
MASE
SMAPE
Python Libraries for
Time Series Forecasting
statsmodel
sktime
prophet
darts
Tipos de Previsão
(classificadas quanto ao
horizonte de previsão)
one-step ahead
(h=1)
multi-step ahead
(h>1)
recursiva
o modelo preve y(t+1), e usa-se essa previsão para estimar y(t+2), e assim sucessivamente (acúmulo de erro)
direta
diversos modelos one-step em paralelo
(ou seja, um prevê y(t+1), outro prevê y(t+2), etc)
MIMO
um único modelo preve y(t+1) até y(t+h)
Referências Bibliográficas
TCCs
Artigos Científicos
Livros
TAREFAS
Repositórios de dados
Data for various application
for ARIMA and SARIMA
Daily Climate time series data
Time Series Datasets
Energy Consumption Time Series Dataset
Monash Time Series Forecasting Repository
MetaTrader5