Paulo S. G. de Mattos Neto,  Aranildo Rodrigues L. J.,  Tiago A. E. Ferreira,  Germano C. Vasconcelos. 

A maioria das abordagens na literatura para previsão de séries temporais utilizam apenas a própria série para realizar a previsão dos valores futuros, descartando a série de erros proveniente da diferença entre os dados reais e a previsão do modelo. Inspirado na Teoria da Perturbação, o Método Perturbative Time-lag Added Evolutionary Forecasting (Método P-TAEF) foi desenvolvido para introduzir a previsão das séries de erro em combinação com a previsão da série original na construção de um modelo mais eficiente e preciso. Experimentos foram realizados com o método P-TAEF e técnicas convencionais da IA, ilustrando a melhoria da perfomance na previsão de séries temporais.

http://www.lbd.dcc.ufmg.br/colecoes/enia/2009/014.pdf

Processando consulta.