Models de xarxes neuronals versus models lineals per la predicció de sèries temporals

Abstract

[cat] La predicció de valors futurs és una tècnica que ha causat un interès creixent en molts sectors, per això, s’estan estudiant nous mètodes per tal de poder conèixer les situacions futures de la manera més exacta possible. En aquest treball de fi de grau, es realitzarà una comparativa entre dos mètodes de predicció per dades de sèries temporals, concretament, dades que fan referència al turisme a Espanya des de l’any 2000 fins l’actualitat. Per això s’utilitzaran els models ARIMA i les Xarxes Neuronals. Per fer-ho, s’ha fet una àmplia recerca dels mètodes i un anàlisi de les dades que s’estudien. S’han implementat els mètodes adaptant-los a les dades i tot seguit, s’ha realitzat la comparativa entre els mètodes per veure quin s’ajusta millor a la sèrie i finalment s’ha fet un anàlisi de l’impacte del coronavirus al turisme espanyol. Les conclusions principals obtingudes mostren que tant els mètodes ARIMA com les xarxes neuronals són vàlids per la predicció de sèries temporals. Per les dades utilitzades els mètodes que millor s’adapten a les dades són els mètodes ARIMA però aquesta conclusió és aplicable únicament per aquestes dades. També s’ha arribat a la conclusió de que cap dels mètodes és capaç de predir un fet extraordinari com ha estat la crisi del coronavirus.

[eng] Forecasting future values is a technique that has caused a growing interest in many sectors, so new methods are being studied in order to know future situations as accurately as possible. In this thesis, a comparison will be made between two prediction methods for time series data, specifically, data that refer to tourism in Spain from 2000 to the present. This is why ARIMA models and Neural Networks will be used. To do this, a thorough search of the methods and an analysis of the data under study has been done. The methods have been implemented by adapting them to the data and then the comparison between the methods has been made to see which one best fits the series and finally an analysis of the impact of the coronavirus on the Spanish tourism. The main conclusions obtained show that both ARIMA methods and neural networks are valid for the prediction of time series. For the data used, the methods that best fit the data are the ARIMA methods, but this conclusion is applicable only to this data. It has also been concluded that none of the methods is capable of predicting an extraordinary event such as the coronavirus crisis.