| Revista: | Trilogía |
| Base de datos: | CLASE |
| Número de sistema: | 000502160 |
| ISSN: | 0716-0356 |
| Autores: | Zapata, Santiago1 Valdes, Julio1 |
| Instituciones: | 1Universidad Tecnológica de Chile, Facultad de Ingeniería, Santiago de Chile. Chile |
| Año: | 2015 |
| Volumen: | 27 |
| Número: | 37 |
| Paginación: | 56-86 |
| País: | Chile |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Las redes neuronales han sido utilizadas exitosamente en muchos tipos de problemas de predicción debido a que son capaces de modelar y predecir series de tiempo, lineales y no lineales, con un alto grado de precisión, además de capturar cualquier tipo de interrelación entre los datos y no requerir conocimiento previo respecto del problema que se está modelando. Esta investigación se centra en evaluar la capacidad que presentan las redes neuronales artificiales en la predicción de series de tiempo, estudiando dos series tomadas del campo de la industria: Generación de Electricidad Mensual y Consumo Mensual de gas natural. Los modelos de redes neuronales obtenidos deben ser capaces de predecir el siguiente periodo de acuerdo a periodos pasados. Los resultados obtenidos en cada serie dan cuenta de la gran capacidad que tienen las redes neuronales aplicadas en la predicción de series de tiempo, obteniéndose un error absoluto medio porcentual de predicción inferior al 3% en la serie Generación de Electricidad Mensual e inferior al 5% en la serie Consumo Mensual de Gas Natural. Palabras clave: 2DCD |
| Disciplinas: | Ingeniería |
| Palabras clave: | Ingeniería eléctrica, Series no lineales, Redes neuronales, Series de tiempo, Predicción |
| Texto completo: | https://sitios.vtte.utem.cl/trilogia/wp-content/uploads/sites/9/2018/01/trilogia_ingenieria-vol37-n27.pdf |
