Comparación de comportamiento de redes neuronales recurrentes con otros métodos en pronósticos con series de tiempo – caso series hidrológicas.
Cargando...
Fecha
2020
Título de la revista
Publicado en
Publicado por
Associacao Iberica de Sistemas e Tecnologias de Informacao (AISTI)
URL de la fuente
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
Redes neurales (Computación)
Inteligencia artificial