Nesse case será analisado a série temporal de número de passageiros entrantes na Austrália, e para isso será utilizado uma base de dados de linhas aéreas de países do mundo todo. O objetivo final desse case será desenvolver um modelo de predição de 6 meses a frente para cada continente de origem.
Os dados estão disponíveis em https://www.bitre.gov.au/publications/ongoing/international_airline_activity-time_series , no arquivo ‘Airline by country of port data–passengers, freight and mail–2009 to current International Airline Activity Table1 2009 to current ́ no formato .xlsx
Os dados estão disponíveis na aba Data.
| Entrada | Descrição |
|---|---|
Month |
Mês da observação |
Scheduled Operator |
Linha aérea. |
Country to/from |
País de Origem/Destino. |
Passengers In |
Quantidade de passageiros entrantes na Australia. |
Freight In |
Fretes entrantes na Australia, em toneladas. |
Mail In |
Correio entrante na Australia, em toneladas. |
Freight Out |
Fretes saindo da Australia, em toneladas |
Mail Out |
Correio saindo da Australia, em toneladas |
O case está disponível em: Case série de passageiros entrantes.
Caso não renderize, aqui está o link alternativo: Case série de passageiros entrantes.
- A. Observar suas características relevantes, como comportamento sazonal, estacionariedade, presença de mudanças de regime.
- B. Entender seu relacionamento com os outros valores disponíveis no dataset.
- C. Criar um modelo preditivo para o valor nos próximos 6 meses (i.e. usar os dados disponíveis até o tempo t para prever t+1, t+2, ..., t+6).
- D. Transforme o país de origem em continente e faça a previsão por origem.
A. Observar suas características relevantes, como comportamento sazonal, estacionariedade, presença de mudanças de regime.
Para essa análise foi realizado o teste de estacionaridade de sentido amplo analisando-se a série de passageiros entrantes vindo do continente asiático. Para isso foi analisado assim a média, segundo momento e variancia da série temporal em relação ao tempo. Além desse teste foi realizado também o teste de raíz unitária de dickey fuller. O resultado dos testes concluiu que a série temporal de passageiros entrantes é não estacionária.
Ao se analisar o comportamento da série temporal e sua autocorrelação foi detectado que a série temporal tem tendencia de subida e sasonalidade anual e trimestral.
Analizando-se a média do número de passageiros vindos de todos os continentes em relação aos anos foi detectado que a partir do ano de 2020 o número de passageiros entrantes na Austrália caiu de forma expressiva, o que era esperado visto o impacto da pandemia do covid-19 no mundo todo. Dessa forma, o modelo de previsão para prever corretamente deve ser robusto a essa mudança de regime.
Ao analisar a correlação entre as outras features presentes no dataset foi possível notar uma correlação alta entre a série temporal que queremos prever (Passengers In) e as colunas de Mail In e Passengers Out. Essa análise foi feita não considerando nenhum atraso entre a série temporal que queremos prever e as outras colunas e também considerando um atraso de 6 meses entre as séries. Ou seja a série de quando a série Passengers In está em $ t[6]$ as séries temporais das outras colunas estariam em $ t[1]$. A análise com os as outras séries temporais atrasadas em relação a série principal para que podermos avaliar se há alguma relação que o nosso modelo de previsão poderá utilizar, visto que o modelo preverá 6 meses a frente de uma vez só, não podendo assim levar em conta a relação da série principal e das covariantes em tempo real, somente da série temporal principal e das outras colunas atrasadas de 6 meses.
C. & D. Criar um modelo preditivo para o valor nos próximos 6 meses (i.e. usar os dados disponíveis até o tempo). Transforme o país de origem em continente e faça a previsão por origem.
Para criar um modelo de previsão de multiplos passos foi utilizado os métodos de previsão ARIMA, Light GBM, facebook Prophet e Regressão linear.
-
ARIMA: Modelo amplamente utilizado na literatura para vários casos, altamente performático e bastante utilizado no mercado. -
Light GBM: Modelo baseado em árvores de decisão e gradient boosting, é dito estar no estado da arte na modelagem de dados tabulares para vários tipos de tarefas e altamente performático. -
Prophet: Modelo de previsão de séries temporais desenvolvido pelo Facebook, amplamente utilizado e performático. -
Regressão linear: Modelo baseado em regressão linear de covariantes em relação a série temporal desejada.
Após os testes em todos os continentes foi possível ver que os melhores modelos foram o ARIMA e o LGBM regressor. Sendo que, o modelo ARIMA performou melhor na Asia e na América do norte, nos resto dos continentes (Europa, América do sul, Oceania e Africa) o modelo LGBM performou melhor.
Quanto ao uso ou não de entradas exógenas, podemos afirmar que para o modelo ARIMA o uso de entradas exógenas não foi benéfico para o modelo, porém para o modelo LGBM na maioria das vezes o uso de entradas exógenas foi benéfico para o modelo.
Os melhores modelos para cada continente foram salvos na pasta best_models nesse repositório.