A incorporação de atraso éum manãtodo amplamente usado para entender os dados de sanãries temporais e tentar prever valores futuros. Essa abordagem pega uma sequaªncia de observações e as "incorpora" em um espaço de maior dimensão, combinando o valor atual com valores atrasados ​​igualmente espaa§ados do passado. Por exemplo, para criar uma incorporação tridimensional de atraso do prea§o de fechamento do S&P 500, vocêpode considerar os prea§os de fechamento hoje, ontem e no dia anterior como as coordenadas x, y e z, respectivamente. No entanto, as opções possa­veis para incorporar dimensão e atraso de atraso tornam a localização da representação mais útil para tornar as previsaµes uma questãode tentativa e erro.

Agora, pesquisadores da Universidade de Ta³quio e da Kozo Keikaku Engineering Inc. mostraram uma maneira de selecionar e otimizar uma coleção de incorporações por atraso, para que suas previsaµes combinadas sejam melhores do que qualquer preditor individual. "Descobrimos que a 'sabedoria da multida£o', na qual a previsão de consenso émelhor do que cada uma por si são, pode ser verdadeira mesmo com modelos matema¡ticos", explica o primeiro autor Shunya Okuno.

Os pesquisadores testaram seu manãtodo em dados de inundações do mundo real, bem como equações tea³ricas com comportamento caa³tico. "Esperamos que essa abordagem encontre muitas aplicações prática s na previsão de dados de sanãries temporais e revigore o uso de casamentos atrasados", diz o autor saªnior Yoshito Hirata. A previsão de um estado futuro do sistema éuma tarefa importante em muitos campos, incluindo neurociaªncia, ecologia, finana§as, dina¢mica de fluidos , prevenção de intempanãries e desastres; portanto, este trabalho tem potencial para uso em uma ampla gama de aplicações. O estudo estãopublicado na Scientific Reports.