Resumen de Time series prediction using inductive reasoning techniques
En esta tesis se describen los nuevos elementos introducidos en la metodología Fuzzy Inductive Reasoning (FIR) que permite predecir el comportamiento futuro de series temporales, En la identificación de sistemas se habían obtenido muy buenos resultados al utilizar esta metodología. Por ello se decidió evaluar esta metodología en el campo del análisis de series temporales que es un asunto más complejo a causa de la imposibilidad de excitar las entradas de los sistemas que las generan.
Para saber si esta metodología es válida en elcampo de análisis de series temporales se hizo un estudio comparativo con otras metodologías como son las conexionistas, las que utilizan modelos lineales y no lineales. Esto permitió caracterizar el tipo de series temporales que mejor predice FIR. Se muestra que esta metodología explota toda la información contenida en los datos disponibles de las series temporales quasi-estacionarias con elementos deterministas, sin necesidad de emplear variables cualitativas generadas desde la misma señal como son las derivadas cualitativas.
A causa de la naturaleza cualitativa de la metodología, en un inicio se produjeron predicciones ambiguas. Para superar las dificultades se incorporaron nuevos elementos de predicción. Se modificaron las fórmulas para calcular la distancia relativa y los pesos absolutos de los cinco vecinos más cercanos y se incorporaron nuevas medidas de confianza, similitud y proximidad, que permiten evaluar el error de predicción sin necesidad de conocer el valor real. La medida de proximidad se basa en la función de la distancia, mientras que la similitud está basada en la similitud de conjuntos borrosos. Se utiliza una generalización de la función clásica de equivalencia basada en las definiciones de cardinalidad y diferencia de la teoría de conjuntos borrosos. Originalmente fue propuesta por Dubois y Pradé.
Se desarrollaron dos nuevos técnicas de predic
