Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2023-174882
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Os modelos SARIMA têm surgido como uma escolha popular para previsão de séries temporais. No entanto, métodos existentes para especificação de seus hiperparâmetros baseiam-se na interpretação subjetiva de testes estatísticos ou abordagens heurísticas devido ao excesso desses. Este artigo propõe uma abordagem de otimização inteira mista para especificação e estimação de um subconjunto específico de modelos SARIMA, denominados modelos autorregressivos integrados (ARI). Nesta abordagem, há a garantia otimalidade global na estimação dos parâmetros e especificação da ordem de integração e da parte autorregressiva. Para validar sua eficácia, foi realizada uma análise comparativa abrangente com o referencial Auto SARIMA utilizando dados de séries mensais da renomada competição M3. A abordagem proposta supera o referencial em um número significativo de cenários.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo