Modelling time series through fuzzy rule-based models: a statistical approach

• Autores: Jose Luis Aznarte Mellado
• Directores de la Tesis: José Manuel Benítez Sánchez (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 2008
• Idioma: inglés
• ISBN: 9788469178928
• Tribunal Calificador de la Tesis: Francisco Herrera Triguero (presid.) , Óscar Cordón García (secret.) , G.I. Sáinz (voc.) , Francesco Marcelloni (voc.) , Marcelo C, Medeiros (voc.)
• Enlaces
  • Tesis en acceso abierto en: DIGIBUG
• Resumen

  • Los modelos autorregresivos de regímenes son una herramienta común en el análisis estadístico de series temporales, En los últimos tiempos, han aparecido muchas contribuciones científicas en este campo, formándose una familia de modelos relacionados entre sí con generalidad creciente. Esta familia de modelos estadísticos ofrece herramientas y métodos para su identificación y estimación además de una teoría asintótica y mecanismos de inferencia estadística.

    Por otra parte, uno de los paradigmas más exitosos de la Inteligencia Computacional es el modelo basado en reglas difusas. Este modelo, que hoy día es ampliamente utilizado en problemas industriales de control o clasificación entre otros, ha sido también aplicado con éxito al problema del análisis y predicción de series temporales. Sus características de interpretabilidad y precisión han favorecido su aceptación, no sólo en el ámbito de la Inteligencia Computacional sino también en multitud de áreas científicas donde los modelos no paramétricos son necesarios.

    En esta Tesis Doctoral se demuestra formalmente que existen fuertes relaciones de equivalencia entre los modelos autorregresivos de regímenes y los modelos basados en reglas difusas. Dichas relaciones son minuciosamente estudiadas en una primera parte del trabajo, dando lugar a una serie de proposiciones y teoremas de equivalencia que ligan ambos enfoques de modelado de series temporales.

    En una segunda etapa, se analizan las principales consecuencias de la relación existente entre ambas familias de modelos. Dichas consecuencias pueden dividirse en dos categorías: por un lado, desde un punto de vista estadístico, se abre la posibilidad de la aplicación de métodos y herramientas de la Inteligencia Computacional al análisis clásico de series temporales, como por ejemplo los métodos de optimización por metaheurísticas o las descripciones lingüísticas de los modelos. Por otro lado, es posible importar el conocimiento que sobre el problema de las series temporales ha sido acumulado durante decenios en el área de la estadística hacia los modelos basados en reglas difusas. Así, esta Tesis propone herramientas formales para la aplicación de la inferencia estadística a los modelos basados en reglas difusas, al tiempo que establece las bases para una teoría asintótica, mecanismos de inferencia para la identificación y herramientas de estimación útiles para estos modelos.