Moisés Lima de Menezes, Reinaldo Castro Souza, José Francisco Moreira Pessanha
Resumen El Análisis Espectral Singular (AES) es una técnica no paramétrica que permite la descomposición de una serie de tiempo en una componente de señal y otra de ruido. De este modo, AES es una técnica útil para la extracción de la tendencia, la suavización y el filtro una serie de tiempo. En este artículo se investiga el efecto sobre el desempeño los modelos de Holt-Winters y de Box & Jenkins al ser aplicados a una serie de tiempo filtrada por AES. Tres diferentes metodologías son evaluadas con el enfoque de AES: Análisis de Componentes Principales (ACP), análisis de conglomerados y análisis gráfico de vectores singulares. Con el fin de ilustrar y comparar dichas metodologías, en este trabajo también se presentaron los principales resultados de un experimento computacional para el consumo residencial mensual de electricidad en Brasil.
Singular Spectrum Analysis (SSA) is a non-parametric technique that allows the decomposition of a time series into signal and noise. Thus, it is a useful technique to trend extraction, smooth and filter a time series. The effect on performance of both Box and Jenkins' and Holt-Winters models when applied to the time series filtered by SSA is investigated in this paper. Three different methodologies are evaluated in the SSA approach: Principal Component Analysis (PCA), Cluster Analysis and Graphical Analysis of Singular Vectors. In order to illustrate and compare the methodologies, in this paper, we also present the main results of a computational experiment with the monthly residential consumption of electricity in Brazil.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados