Redes Neurais

Trabalho de Redes Neurais

Previsão de Séries Temporais

Fabio Zaccaro Scelza

1020411

Introdução:

O respectivo trabalho tem o objetivo de analisar um modelo de previsão mensal da sensação térmica de regiões ou unidades geográficas que fazem para da área de concessão de uma concessionária de energia qualquer.

Para simplificação da análise, foi dado um arquivo (“principal.m”), no qual, através de mudanças em seus parâmetros, foi possível obter diferentes resultados para comparações e conclusões significativas para a interpretação do modelo apresentado.

Variação de tamanho da Janela:

Pela tabela apresentada, como a variável MAPE indica o erro apresentado pela rede para seu objetivo proposto, percebe-se que a rede com tamanho de janela igual a 10 apresentou o resultado com menos erro- e consequentemente mais satisfatório.

Isso leva a concluir que para tamanhos de janelas menores há ocorrências de casos de problemas de convergência e para as maiores, problemas de generalização devido a, respectivamente, pouco treinamento e super-treinamento da rede.

Codificação do Mês:

Para a análise da codificação, usei somente codificação real, 4 bits e 12 bits para uma rede de tamanho de janela igual a 10, uma vez que esta configuração apresentou melhor desempenho entre as outras.

Pela tabela apresentada, percebe-se que o maior número de bits leva a um crescente problema de generalização da rede. Isso se dá pelo fato da discretização de uma variável contínua representar significativa perda de informação num problema no qual a sua natureza é necessária. Dessa forma, um treinamento ideal da rede seria através da codificação real.

Codificação MAPE RMSE Tempo(s)

Real 4.1262 1.8278 4.952603

4 bits 6.8752 2.2247 4.777390

12 bits 7.3888 2.5103 4.686186

Topologia:

Numero de processadores

Para esta análise, usei somente a rede com tamanho de janela igual a 10 e codificação real, uma vez que esta configuração apresentou o melhor resultado.

Percebe-se que o número de processadores igual a 6 apresentou um resultado com menor índice de erro, de modo que leva a concluir que para valores maiores há caso de generalização. Assim, pode-se dizer que um número grande de processadores não garante um bom resultado, mas sim pode prejudica-lo, dependendo da situação para qual a rede está sendo destinada.

Número de processadores MAPE RMSE Tempo(s)

3 7.7444 2.7120 4.254925

6 5.7835 2.1679 4.404743

9 7.5380 2.8770 5.087924

12 6.6473 2.5081 4.733916

18 6.3647 2.5237 4.060639

25 7.1220 2.1810 4.459954