Previsão de dados futuros

Prezados,

Vi que vários alunos tiveram a mesma dúvida, porém não houve resposta satisfatória (para mim) até então.

Vou tentar explicar novamente. No exemplo do curso, nós criamos uma rede recorrente em que utilizamos, por exemplo, 4 dados passados para prever o próximo dado, num esquema de treino supervisionado.

Por exemplo:

São utilizados os dados de Jan/21, Fev/21, Mar/21, Abr/21 (4 dados) como entrada, e como 'marcação' seria o dado de Mai/21 (o mês seguinte);
Depois, Fev/21, Mar/21, Abr/21, Mai/21 como entrada, e como marcação, o de Jun/21;
E assim sucessivamente.

Porém, a quantidade de dados na planilha, obviamente, é limitada. Por exemplo, na minha planilha 'imaginária', temos dados até Dez/21.

Portanto, teoricamente, eu só conseguiria prever o dado de Jan/22! Pois eu tenho milhares de dados mensais (que eu usei para montar/treinar o modelo), porém o último dado é de Dez/21, e como minha entrada são os quatro últimos meses seguidos, então minha próxima previsão seria a de Jan/22, apenas.

Dito isso, qual seria a melhor forma, ou forma mais usual, de prever dados além de Jan/22?

Por exemplo, como eu faria, para prever dados para Julho/22, apenas com os dados da minha planilha (que vão só até Dez/21)?

Espero que tenha ficado claro agora.

Obrigado.

Oi, João! Tudo bem com você?

Desculpa a demora em te trazer um retorno.

O modelo construído no curso prevê um passo adiante, como você bem pontuou. Esse tipo de modelo é bem comum em códigos de previsão mas nem sempre são os mais interessantes para o problema.

No seu caso, você busca por um modelo que preveja múltiplos passos, ou seja, ele prevê bem mais dados à frente. Um exemplo desse tipo de preditor é o Preditor de Múltiplos Passos, conhecido também como predição h-passos-adiante (HPA) ou “predição com realimentação dos valores preditos”. Basicamente, nesse método é coletada a saída, X(n), do preditor de um passo e essa saída serve de entrada para encontrar uma nova predição, X(n+1), e assim é encontrado um conjunto de valores além de X(n).

Mesmo assim, existem diversos outros tipos de preditores e modelos matemáticos que podem ser utilizados para o seu caso, não posso dizer que existe um melhor preditor, mas sim o que mais se adaptaria para o seu problema. Como existem diversas opções vou deixar aqui links de leituras que recomendo fortemente serem feitas para que você entenda o que e como é possível desenvolver modelos de múltiplos passos adiante:

Se deseja se aprofundar ainda mais nesses e em outros conceitos de predição de séries temporais, você pode ter acesso a uma tese de doutorado intitulada “Contribuições ao problema de predição recursiva de séries temporais univariadas usando redes neurais recorrentes” que você pode ter acesso por esse link. Recomendo a leitura dos capítulos 2, 3 e 4 pois neles tem uma explicação bem objetiva de cada modelo matemático, tipos de preditores como foi construído o modelo preditivo utilizando redes neurais artificiais ;-)

Eu espero ter te ajudado! Bons estudos!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓.Bons Estudos!