Método de previsão de séries temporais fuzzy intuicionista baseado no modelo de neurônio dendrítico e suavização exponencial

Resumo Métodos baseados em redes neurais artificiais para previsão de séries temporais fuzzy intuicionista podem produzir resultados de previsão bem-sucedidos. Na literatura, métodos de suavização exponencial são hibridizados com redes neurais artificiais devido às suas estruturas simples e eficientes para melhorar o desempenho da previsão. A contribuição deste artigo é propor uma nova abordagem de previsão combinando métodos de suavização exponencial e séries temporais fuzzy intuicionista. Neste estudo, um algoritmo de previsão baseado no modelo de neurônio dendrítico e métodos de suavização exponencial simples é proposto para modelar séries temporais fuzzy intuicionista. Na etapa de fuzzificação do método proposto, é utilizado o método de c-means fuzzy intuicionista. O método proposto é um método modular usando duas redes neurais de modelo de neurônio dendrítico separadas, e o algoritmo de otimização do lobo cinza é utilizado para estimar todos os parâmetros do método. O desempenho do método proposto é aplicado em quatro séries temporais aleatórias diferentes obtidas para o Índice de Capitalização de Mercado de Criptomoedas, e o desempenho do método é comparado com alguns outros métodos de previsão fuzzy. Como resultado das análises, conclui-se que o método modular proposto tem melhores resultados de previsão do que outros métodos.