PREVISÃO DE SÉRIES TEMPORAIS APLICANDO FLORESTA ALEATÓRIA

INTRODUÇÃO: A utilização das previsões de futuros eventos é base para abordagens de apoio à tomada de decisões de uma empresa, possibilitando que os recursos produtivos estejam disponíveis na quantidade, momento e qualidade adequados. – OBJETIVOS: Esta pesquisa aplicou o método de previsão denominado Random Forest, pois é um modelo matemático de bagging baseado em árvores de decisão que consegue mapear complexas relações não-lineares, visto o objetivo de prever a tendência e direção de séries temporais da empresa de saneamento básico do Paraná, SANEPAR, para alcançar um alto nível de acurácia com dados extremamente divergentes. – MATERIAIS E MÉTODO: Para utilização das amostras optou-se por agrupar a média diária dos dados, como métodos de comparação de acurácia utilizou-se os modelos de previsão tais como Holt-Winters, ARIMA (Auto Regressive Integrated Moving Average) e Random Forest. – RESULTADOS: Após uma análise crítica envolvendo os parâmetros dos modelos de previsão das séries temporais é possível perceber que o modelo ARIMA foi o que demonstrou mais deficiências na previsão, superando o erro dos outros modelos em mais de 20%, já a previsão realizada através do modelo Random Forest, ou Floresta Aleatória, retornou 5% de erro em grande parte dos testes realizados, sendo aplicada para curto, médio e longo prazo de previsão. Vale destacar que foi previsto o nível de reservatório de água no Bairro Alto em Curitiba. – CONSIDERAÇÕES FINAIS: Assim, o modelo de previsão mais adequado obtido neste projeto para prever o nível do reservatório de água foi o Randon Forest. Porém vale destacar que foi levado em consideração, é claro o ajuste adequado dos hiper parâmetros bem como foi feita adaptação da sazonalidade dos dados.