Comparación de comportamiento de redes neuronales recurrentes con otros métodos en pronósticos con series de tiempo – caso series hidrológicas.

Cargando...
Miniatura

Fecha

2020

Título de la revista

Publicado en

Publicado por

Associacao Iberica de Sistemas e Tecnologias de Informacao (AISTI)

Enlace a contenidos multimedia

ISSN de la revista

Título del volumen

Resumen

Una de las actividades fundamentales en cualquier organización para poder realizar sus procesos de planifcación y presupuestos es la elaboración de pronósticos. Para lograr lo anterior, los responsables de esto deben aplicar técnicas o modelos las cuales pueden ser cualitativos, cuantitativas o una mezcla de ambos. En cuanto a las técnicas cuantitativas, los modelos pueden causales o de series de tiempo, dependiendo de cómo se manejen los datos, manejo que va acorde a como se enfoque el problema. Para ambos casos se utilizan técnicas estadísticas, pero también técnicas de Inteligencia Artifcial o adaptativas tales como las redes neuronales o la hibridación de diferentes técnicas. Este artículo se centra en modelos y técnicas para pronósticos de series de tiempo, y para ello presenta una comparación del comportamiento de las redes neuronales recurrentes – RNN tipo Elman contra otras técnicas estadísticas, así como y otras arquitecturas de redes tales como redes perceptrón multicapa o multi-layer perceptron - MLP, FeedForward de una capa, redes de base radial o Radial Basis Function - RBF y una red modular compuesta de redes MLP. Esto se aplica para el cálculo de pronóstico de caudales.

Descripción

Abstract

One of the fundamental activities of any organization to be able to carry out its planning processes and budgets is the preparation of forecasts. To achieve this, those responsible for the planifcation must apply techniques or models. These models can be qualitative, quantitative or a mixture of both. As for quantitative techniques, the models can be causal or for time series analysis; this depending on how the data is handled, according to how the problem is approached. For both cases statistical techniques are used, but also Artifcial intelligence techniques such as neural networNs or the hybridization of diɣerent techniques. This article focuses on models and techniques for time series forecasts, showing a comparison of the behavior of recurrent neural networks, Elman type, against other statistical techniques and diɣerent neural networN architectures such as Multilayer perceptron - MLP, single layer FeedForward, Radial Basis Function netework - RBF and a modular network composed of MLP networks.

Palabras clave

Pronósticos, Series de tiempo, Elman-Jordan

Keywords

Forecasts, Time series, Elman-Jordan

Temáticas

Red nerviosa
Redes neurales (Computación)
Inteligencia artificial

Citación

Colecciones