Fajardo-Toro, Carlos HernanCobo, LuisMartinez-Sánchez, Paloma María Teresa2020-05-122020-05-1220201646-9895https://hdl.handle.net/20.500.12495/2621Una 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.application/pdfspaAttribution-NonCommercial-NoDerivatives 4.0 InternationalPronósticosSeries de tiempoElman-JordanarticleRed nerviosaRedes neurales (Computación)Inteligencia artificialForecastsTime seriesElman-JordanAcceso abierto2015