A modelagem de séries temporais mostra-se como uma das principais linhas de atuação da estatística computacional, sendo útil para o suporte à decisão nas diversas áreas do conhecimento e comumente presente em sistemas de informação. Atualmente existe uma elevada quantidade de trabalhos dedicados ao estudo de novas alternativas de modelagem ou mesmo à comparação dentre as alternativas. Neste sentido, tem sido comum direcionar recursos computacionais para a identificação dos melhores modelos. Alternativamente a este movimento, podem-se citar os métodos voltados à incerteza de modelos. De fato, boa parte da literatura voltada a séries temporais implicitamente assume que existe um único modelo intrínseco à série. Contudo, cabe enfatiza que mesmo considerando a existência de um único modelo, este será raramente conhecido a priori e não haverá qualquer garantia que ele seja selecionado como o melhor a se ajustara à série observada. Autores comentam inclusive que a adoção de um único modelo pode conduzir a vieses estatísticos e à subestimação da real incerteza subjacente à série temporal. Com estes argumentos em mente a incerteza de modelos parece assumir um papel indispensável para a análise de séries temporais. Neste contexto, as principais características e propriedades básicas serão deste problema serão apresentados. Alguns dos principais métodos de previsão de séries temporais presentes na literatura serão descritos como redes neurais artificiais, por exemplo. A proposta de modelos individuais apresentada neste projeto será desenvolvida por meio da técnica de inteligência artificial conhecida como redes neurais artificiais, além desses os experimentos deste estudo serão conduzidos por meio do modelo combinado que utiliza a média aritmética simples para realizar a agregação das previsões individuais. Os experimentos deste projeto serão conduzidos utilizando uma série temporal do mundo real que observa o crescimento de peixes, e séries financeiras que englobam ações e fundos imobiliários da bolsa de valores de São Paulo. A qualidade destas previsões obtidas pelos modelos, serão mensuradas através das métricas estabelecidas na literatura como erro quadrático médio e o erro médio absoluto.