Banca de DEFESA: FILIPE COELHO DE LIMA DUARTE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FILIPE COELHO DE LIMA DUARTE
DATA : 06/09/2024
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Um sistema híbrido baseado em combinação de preditores para 
previsão de vários passos à frente de séries temporais de taxas de 
mortalidade

PALAVRAS-CHAVES:

Sistemas híbridos. Redes neurais artificiais. Aprendizado 
profundo. Previsão de múltiplos passos à frente. Previsão de mortalidade.

PÁGINAS: 116
RESUMO:

Prever taxas de mortalidade para múltiplos passos à frente é essencial em 
áreas como demografia, seguros e políticas públicas. Os trabalhos de 
previsão de taxas de mortalidade com múltiplos passos à frente supõem que 
seus resíduos, obtidos pela diferença entre a série temporal e suas 
previsões, refletem erros aleatórios e linearmente descorrelacionados no 
tempo. No entanto, problemas como má-especificação (i.e., sobreajustes e 
subajustes) ou o comportamento dinâmico do fenômeno temporal conduzem a 
modelos viesados ou imprecisos, deixando padrões nos resíduos ainda não 
modelados. Adicionalmente, prever múltiplos passos à frente em séries 
temporais curtas intensifica o desafio. Levando em conta essa problemática, 
esta tese propõe um novo sistema híbrido para a previsão de taxas de 
mortalidade em vários passos à frente. O sistema proposto é composto de 
três etapas: (i) um modelo estatístico linear é usado para prever séries 
temporais de taxas de mortalidade; (ii) um modelo de Aprendizado de Máquina 
(AM) é empregado para prever os padrões não-lineares dos resíduos de (i); e 
(iii) as estimativas da série e dos resíduos são combinadas por uma soma 
simples. Para cada conjunto de dados, o sistema seleciona em um pool de 
modelos de AM o mais promissor para prever os resíduos. O desempenho de 
previsão do sistema proposto foi avaliado por meio de uma análise 
experimental, a qual considerou quinze conjuntos de dados disponíveis na 
Human Mortality Database (HMD). Esses conjuntos de dados englobaram as 
taxas de mortalidade da população total, masculina e feminina de cinco 
países: Austrália, Estados Unidos, França, Japão e Portugal, considerando 
cento e uma faixas etárias, desde o nascimento até os 100 anos de idade. A 
proposta utilizou o modelo Autorregressivo Integrado de Médias Móveis para 
prever as séries das taxas de mortalidade e empregou um pool dos modelos 
Perceptron de Multicamadas (MLP), Long Short-Term Memory (LSTM) e Neural 
basis expansion analysis for interpretable time series (N-BEATS) para 
prever os resíduos do preditor linear. O sistema proposto foi comparado com 
alternativas da literatura, entre técnicas estatísticas tradicionais, 
modelos de AM e sistemas híbridos, utilizando Mean Absolute Percentage 
Error (MAPE) e Mean Absolute Scaled Error (MASE) como métricas de 
desempenho preditivo. Diante disso, o sistema proposto alcançou uma média 
menor que 1,875% e 1,516 para o MAPE e MASE, respectivamente considerando 
todos os conjuntos de dados para dez horizontes de previsão. Ainda, os 
resultados sugerem que a proposta é promissora, alcançando a melhor 
acurácia de previsão dentre todas as alternativas consideradas, 
especificamente para o teste Nemenyi Multiple comparisons with the best 
(MCB), onde o sistema proposto apresentou o melhor desempenho dentre as 
alternativas.

MEMBROS DA BANCA:
Externo à Instituição - JORGE MIGUEL BRAVO - UNL
Externo à Instituição - FERNANDO LUIZ CYRINO OLIVEIRA - PUC - RJ
Externo à Instituição - JOÃO FAUSTO LORENZATO DE OLIVEIRA - UPE
Presidente - 2886196 - LEANDRO MACIEL ALMEIDA
Externo à Instituição - LEONARDO NOGUEIRA MATOS - UFS