Previsao de series temporais com selecao automatica de previsores

Este trabalho busca apresentar um método para previsăo de séries temporais que se utiliza da estratégia de dividir para conquistar na busca da minimizaçăo do erro na previsăo. O algoritmo proposto realiza a seleçăo de exemplos através da clusterizaçăo dos dados via rede de Kohonen, com estratégias para aumentar a densidade dos dados. Para cada cluster, é gerada automaticamente, através de algoritmos genéticos, uma rede previsora MLP (considerando atributos de entrada, janela de tempo, topologia da rede e calibragem dos parâmetros) otimizada para aquela classe. Também foram definidos dois comitęs de máquinas que aliam as informaçőes de semelhança entre os padrőes de entrada advindas da clusterizaçăo com a combinaçăo de conhecimentos dos especialistas obtida através da essęncia do comitę de máquinas. Todas as estratégias apresentadas constituem o portfólio de estratégias de previsăo do sistema que utiliza uma seleçăo automática de previsores, dotada de uma grade tridimensional dos desempenhos dos mesmos, para definir qual a melhor estratégia para realizar a previsăo de cada padrăo de entrada apresentado. A avaliaçăo do algoritmo foi realizada em séries temporais econômicas.