---

Este trabalho busca apresentar um método para previsÆo de séries temporais que se utiliza da estratégia de dividir para conquistar na busca da minimiza‡Æo do erro na previsÆo. O algoritmo proposto realiza a sele‡Æo de exemplos através da clusteriza‡Æo dos dados via rede de Kohonen, com estratégias para aumentar a densidade dos dados. Para cada cluster, é gerada automaticamente, através de algoritmos genéticos, uma rede previsora MLP (considerando atributos de entrada, janela de tempo, topologia da rede e calibragem dos parâmetros) otimizada para aquela classe. Também foram definidos dois comitês de máquinas que aliam as informa‡äes de semelhan‡a entre os padräes de entrada advindas da clusteriza‡Æo com a combina‡Æo de conhecimentos dos especialistas obtida através da essência do comitê de máquinas. Todas as estratégias apresentadas constituem o portfólio de estratégias de previsÆo do sistema que utiliza uma sele‡Æo automática de previsores, dotada de uma grade tridimensional dos desempenhos dos mesmos, para definir qual a melhor estratégia para realizar a previsÆo de cada padrÆo de entrada apresentado. A avalia‡Æo do algoritmo foi realizada em séries temporais econômicas.

---

Analista de Sistemas. Graduado e Mestre em Ciências da Computa‡Æo pela Universidade Estadual do Ceará (UECE), com pesquisas em inteligência artificial nas áreas de agentes autônomos e previsÆo de séries temporais.

---