Eine Methode zur Vorhersage von Kaffeepreisen basierend auf Extrem-Lernmaschinen

Diese Arbeit stellt eine Methode zur Schätzung von Kaffeepreisen vor, die auf der Verwendung von Extrem-Lernmaschinen basiert. Der Prozess beginnt mit der Identifizierung der Präsenz nichtstationärer Komponenten, wie Saisonalität und Trend. Diese Komponenten werden zurückgezogen, wenn sie gefunden werden. Anschließend werden die zeitlichen Verzögerungen basierend auf der Reaktion des Filters der partiellen Autokorrelationsfunktion ausgewählt. Als Prädiktoren betrachten wir die folgenden Modelle: Exponentielle Glättung (ES), Autoregressive (AR) und Autoregressive integrierte gleitende Durchschnittsmodelle (ARIMA), Multilayer Perceptron (MLP) und Extrem-Lernmaschinen (ELM) neuronale Netzwerke. Die rechnerischen Ergebnisse, basierend auf drei Fehlerkennzahlen und zwei Kaffeetypen (Arabica und Robusta), zeigten, dass die neuronalen Netzwerke, insbesondere das ELM, höhere Leistungsniveaus erreichen können als die anderen Modelle. Die Methode, die Vorverarbeitungsphasen, Verzögerungswahl und Verwendung von ELM umfasst, ist eine Neuheit, die zum Bereich der Kaffeepreisvorhersage beiträgt.