In this paper, we present a new model for timeseries forecasting using radial basis functions (RBFs) as a unit of artificial neural networks (ANNs), which allows the inclusion of exogenous information (EI) without additional pre-processing. We begin by summarizing the most well-known EI techniques used ad hoc, i.e., principal component analysis (PCA) and independent component analysis (ICA). We analyze the advantages and disadvantages of these techniques in time-series forecasting using Spanish bank and company stocks. Then, we describe a new hybrid model for time-series forecasting which combines ANNs with genetic algorithms (GAs). We also describe the possibilities when implementing the model on parallel processing systems.
In 1998 Genton proposed a variogram estimator claimed to be robust against outliers and compared it to Matheron's and Cressie-Hawkins' variogram estimators. Lark (2000)
O dados provenientes de Sensoriamento Remoto (SR) quando integrados a Sistemas de Informações Geográficas (SIG) permitem identificar, reduzir e reestruturar diferentes questões ambientais relacionadas ao planejamento urbano. Tratando-se de fenômenos naturais severos, como é o caso das inundações, essas questões podem envolver vidas humanas, bens materiais e infraestruturas decisivas. Nessa conjuntura, o presente trabalho desenvolveu um modelo de análise multicritério de apoio à decisão do tipo fuzzy com pesos de evidências aliado à Análise Hierárquica de Processos (AHP). As análises e aplicações do trabalho utilizaram dados e métodos de sensoriamento remoto e geoprocessamento para determinar riscos à inundação em áreas do município de Nova Lima na região metropolitana de Belo Horizonte, Minas Gerais. Na construção dos modelos, foram utilizadas diversas variáveis de entrada, tais como: Modelo Digital de Elevação (MDE), Declividade, Uso e Ocupação do Solo, Área de Preservação Hidrográfica Permanente, Isoietas Climáticas, Geologia e Tipo de Solo. A fuzzificação por pesos de evidência foi realizada para identificar regiões aptas e não aptas em relação à inundação para cada variável, produzindo-se mapas individuais valorados de 0 a 1. Na composição do processo, utilizou-se o método AHP na multiplicação dos mapas fuzzificados por meio de notas de especialistas e de pesquisa bibliográfica produzindo-se um mapa crítico com os níveis de susceptibilidade à inundação. A validação dos resultados do estudo foi feita por meio da comparação com dados de referência preexistentes obtidos da Secretaria de Estado de Meio Ambiente e Desenvolvimento Sustentável (SEMAD), da Companhia de Pesquisa de Recursos Minerais (CPRM) e de informações locais. O processo de validação apresentou coerência de 86%, indicando a eficácia da metodologia desenvolvida. A execução simples, o baixo custo e a coerência dos resultados obtidos deixa evidente o caráter inovador da metodologia. Portanto, a identificação das áreas susceptiveis ao risco à inundação usando a metodologia fuzzy e AHP, mostrou-se importante para identificar áreas que necessitam de maior atenção do poder público e de investimentos em ações de proteção, prevenção e mitigação. Dessa forma, o estudo é uma contribuição para a gestão de riscos e desastres em áreas atingidas por inundação.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.