Predicción de series de tiempo aplicando redes neuronales artificiales
Fuente:
Redalyc
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo científico |
| Lenguaje: | es |
| Publicado: |
Universidad Autónoma de Baja California
2002
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1876486650712817664 |
|---|---|
| author | Miguel Angel Pérez Chavarría |
| author_facet | Miguel Angel Pérez Chavarría |
| contents | Predicción de series de tiempo aplicando redes neuronales artificiales Miguel Angel Pérez Chavarría Hugo Homero Hidalgo Silva Francisco J. Ocampo Torres Ciencias de la Tierra red serie temporal neuronal predicción En este trabajo se presentan algoritmos basados en redes neuronales artificiales (RNA) para la predicción de series temporalesde las variables oceanográficas Índice de Oscilación del Sur (IOS) y anomalías de temperatura superficial del mar (ATSM). Serealizaron experimentos de predicción utilizando la arquitectura de redes neuronales conocida como redes con respuesta finita alimpulso (RNRFI). Se hicieron experimentos variando los diferentes parámetros de la RNRFI, para determinar aquéllos quepermitieran un mejor comportamiento. Se encontró que para series temporales del IOS y las ATSMs los mejores resultados sepresentan al conformar una RNRFI con una neurona de entrada, filtros de orden 10 en la capa de entrada, dos capas posteriores de8 neuronas con filtros de orden 5 para cada una de ellas, y una neurona de salida. Todas las redes fueron entrenadas con elalgoritmo de aprendizaje retropropagación temporal, usando la sigmoide como función de activación en las capas ocultas y salidalineal. La razón de aprendizaje usada fue de 0.001.En la mayoría de los experimentos realizados se obtuvo un error cuadrático medio normalizado de 0.4 ± 0.1 y un coeficientede correlación mayor que 0.8 entre la serie original y la predicha. Para el caso de las ATSMs, se observó que las RNA tuvieron unmejor comportamiento que otros métodos de predicción, considerando predicciones a corto plazo. 2002 artículo científico 0185-3880 https://www.redalyc.org/articulo.oa?id=48028106 es http://www.redalyc.org/revista.oa?id=480 Ciencias Marinas application/pdf Universidad Autónoma de Baja California Ciencias Marinas (México) Num.1 Vol.28 |
| format | Artículo científico |
| id | redalyc_48028106 |
| institution | Redalyc |
| language | es |
| publishDate | 2002 |
| publisher | Universidad Autónoma de Baja California |
| spellingShingle | Predicción de series de tiempo aplicando redes neuronales artificiales Miguel Angel Pérez Chavarría Ciencias de la Tierra red serie temporal neuronal predicción Predicción de series de tiempo aplicando redes neuronales artificiales Miguel Angel Pérez Chavarría Hugo Homero Hidalgo Silva Francisco J. Ocampo Torres Ciencias de la Tierra red serie temporal neuronal predicción En este trabajo se presentan algoritmos basados en redes neuronales artificiales (RNA) para la predicción de series temporalesde las variables oceanográficas Índice de Oscilación del Sur (IOS) y anomalías de temperatura superficial del mar (ATSM). Serealizaron experimentos de predicción utilizando la arquitectura de redes neuronales conocida como redes con respuesta finita alimpulso (RNRFI). Se hicieron experimentos variando los diferentes parámetros de la RNRFI, para determinar aquéllos quepermitieran un mejor comportamiento. Se encontró que para series temporales del IOS y las ATSMs los mejores resultados sepresentan al conformar una RNRFI con una neurona de entrada, filtros de orden 10 en la capa de entrada, dos capas posteriores de8 neuronas con filtros de orden 5 para cada una de ellas, y una neurona de salida. Todas las redes fueron entrenadas con elalgoritmo de aprendizaje retropropagación temporal, usando la sigmoide como función de activación en las capas ocultas y salidalineal. La razón de aprendizaje usada fue de 0.001.En la mayoría de los experimentos realizados se obtuvo un error cuadrático medio normalizado de 0.4 ± 0.1 y un coeficientede correlación mayor que 0.8 entre la serie original y la predicha. Para el caso de las ATSMs, se observó que las RNA tuvieron unmejor comportamiento que otros métodos de predicción, considerando predicciones a corto plazo. 2002 artículo científico 0185-3880 https://www.redalyc.org/articulo.oa?id=48028106 es http://www.redalyc.org/revista.oa?id=480 Ciencias Marinas application/pdf Universidad Autónoma de Baja California Ciencias Marinas (México) Num.1 Vol.28 |
| title | Predicción de series de tiempo aplicando redes neuronales artificiales |
| topic | Ciencias de la Tierra red serie temporal neuronal predicción |
| url | https://www.redalyc.org/articulo.oa?id=48028106 |