Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo

En éste trabajo se presenta un filtro predictor basado en redes neuronales (RNs) directas para pronóstico de series temporales de alta rugosidad empleando submuestreo, contribuyendo a la nueva generación de herramientas que permiten conocer la previsibilidad de agua de lluvia. Se generan series temp...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Pucheta, Julián Antonio, Herrera, M. R., Rodríguez Rivero, C. M., Baumgartner, J. S., Sauchelli, V. H.
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2011
Materias:
Ciencias Informáticas
Pronostico de series temporales
Submuestreo
Decimación
Redes neuronales
Mackey-Glass
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/125840
https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/942.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-125840
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Pronostico de series temporales
Submuestreo
Decimación
Redes neuronales
Mackey-Glass
spellingShingle Ciencias Informáticas
Pronostico de series temporales
Submuestreo
Decimación
Redes neuronales
Mackey-Glass
Pucheta, Julián Antonio
Herrera, M. R.
Rodríguez Rivero, C. M.
Baumgartner, J. S.
Sauchelli, V. H.
Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
topic_facet Ciencias Informáticas
Pronostico de series temporales
Submuestreo
Decimación
Redes neuronales
Mackey-Glass
description En éste trabajo se presenta un filtro predictor basado en redes neuronales (RNs) directas para pronóstico de series temporales de alta rugosidad empleando submuestreo, contribuyendo a la nueva generación de herramientas que permiten conocer la previsibilidad de agua de lluvia. Se generan series temporales a partir de submuestrear a una serie dato original, partiendo del valor disponible más reciente hacia el más antiguo. Se usaron series provenientes de la Ecuación Mackey-Glass (MG) de 120 datos, donde se usaron para validar al algoritmo los últimos 18 valores. También se usó una serie de lluvia mensual acumulada proveniente del establecimiento Santa Francisca, Alta Gracia, Córdoba, que tiene 125 valores. Para cada una de las series generadas por el submuestreo, se ajustó a un filtro diferente basado en RNs, y cada uno de ellos genera un pronóstico que luego es promediado en su conjunto. La regla de ajuste utilizada en el proceso de aprendizaje se basa en el método Levenberg-Marquard y el desempeño del filtro propuesto se evalúa a través del índice SMAPE. En muchos casos se obtienen mejoras muy notorias respecto del resultado obtenido mediante el filtro basado en RNs sin submuestreo.
format Objeto de conferencia
Objeto de conferencia
author Pucheta, Julián Antonio
Herrera, M. R.
Rodríguez Rivero, C. M.
Baumgartner, J. S.
Sauchelli, V. H.
author_facet Pucheta, Julián Antonio
Herrera, M. R.
Rodríguez Rivero, C. M.
Baumgartner, J. S.
Sauchelli, V. H.
author_sort Pucheta, Julián Antonio
title Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
title_short Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
title_full Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
title_fullStr Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
title_full_unstemmed Filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
title_sort filtro predictor basado en redes neuronales para pronóstico de series temporales de lluvia acumulada empleando submuestreo
publishDate 2011
url http://sedici.unlp.edu.ar/handle/10915/125840
https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/942.pdf
work_keys_str_mv AT puchetajulianantonio filtropredictorbasadoenredesneuronalesparapronosticodeseriestemporalesdelluviaacumuladaempleandosubmuestreo
AT herreramr filtropredictorbasadoenredesneuronalesparapronosticodeseriestemporalesdelluviaacumuladaempleandosubmuestreo
AT rodriguezriverocm filtropredictorbasadoenredesneuronalesparapronosticodeseriestemporalesdelluviaacumuladaempleandosubmuestreo
AT baumgartnerjs filtropredictorbasadoenredesneuronalesparapronosticodeseriestemporalesdelluviaacumuladaempleandosubmuestreo
AT sauchellivh filtropredictorbasadoenredesneuronalesparapronosticodeseriestemporalesdelluviaacumuladaempleandosubmuestreo
bdutipo_str Repositorios
_version_ 1764820452346167299

Ejemplares similares