As ferramentas de identificação de sistemas e previsão de séries temporais permitem a concepção de modelos matemáticos baseados em dados numéricos. O problema essencial, nestes casos, é determinar o modelo matemático apropriado. Esse artigo apresenta o projeto de uma rede neural função de base radial (RN-RBF) para a previsão de séries temporais. Na utilização da RN-RBF para previsão de sistemas não-lineares é difícil determinar um conjunto apropriado de centros e aberturas para as funções de ativação Gaussianas para obter uma boa estrutura. Neste trabalho, a configuração da RN-RBF é baseada em uma abordagem híbrida baseada em método de agrupamento de dados de Gustafson-Kessel e procedimento de otimização usando evolução diferencial. O projeto de RN-RBF é validado para previsão de um passo à frente dos preços de troncos de eucalipto para celulose e serraria para ilustrar a eficiência da abordagem híbrida proposta. Além disso, o desempenho do projeto de RN-RBF baseado nos resultados de previsão é apresentado e discutido neste artigo.
Séries temporais; Previsão; Redes neurais; Evolução diferencial; Agrupamento de dados
