Para acceder a los documentos con el texto completo, por favor, siga el siguiente enlace: http://hdl.handle.net/2117/12502

Artificial neural networks applied to forecasting time series
Montaño Moreno, Juan José; Palmer Pol, Alfonso; Muñoz Gracia, María del Pilar
Universitat Politècnica de Catalunya. Departament d'Estadística i Investigació Operativa; Universitat Politècnica de Catalunya. LIAM - Laboratori de Modelització i Anàlisi de la Informació
This study offers a description and comparison of the main models of Artificial Neural Networks (ANN) which have proved to be useful in time series forecasting, and also a standard procedure for the practical application of ANN in this type of task. The Multilayer Perceptron (MLP), Radial Base Function (RBF), Generalized Regression Neural Network (GRNN), and Recurrent Neural Network (RNN) models are analyzed. With this aim in mind, we use a time series made up of 244 time points. A comparative study establishes that the error made by the four neural network models analyzed is less than 10%. In accordance with the interpretation criteria of this performance, it can be concluded that the neural network models show a close fit regarding their forecasting capacity. The model with the best performance is the RBF, followed by the RNN and MLP. The GRNN model is the one with the worst performance. Finally, we analyze the advantages and limitations of ANN, the possible solutions to these limitations, and provide an orientation towards future research. Redes neuronales artificiales aplicadas a la previsión de series temporales. El presente estudio ofrece una descripción y una comparación de los principales modelos de Redes Neuronales Artificiales (RNA) que han demostrado ser de utilidad en la previsión de series temporales, así como un procedimiento estándar para la aplicación práctica de las RNA en este tipo de tareas. Se analizan los modelos Perceptrón Multicapa (MLP), Funciones de Base Radial (RBF), Red Neuronal de Regresión Generalizada (GRNN) y Redes Neuronales Recurrentes (RNN). Para ello, se ha utilizado una serie temporal compuesta por 244 puntos temporales. El estudio comparativo establece que el error cometido por los cuatro modelos de red analizados es inferior al 10%. De acuerdo con los criterios de interpretación de este desempeño, se puede concluir que los modelos de red presentan un alto ajuste en su capacidad de previsión. El modelo con mejor rendimiento es el RBF, seguido del RNN y MLP. El modelo GRNN es el que presenta peor rendimiento. Finalmente, se analizan las ventajas y limitaciones de las RNA, las posibles soluciones a tales limitaciones, así como una orientación de las líneas de investigación futuras.
Àrees temàtiques de la UPC::Matemàtiques i estadística::Estadística matemàtica::Sèries temporals
Time-series analysis
Neural networks (Computer science)
Statistical methods
Sèries temporals -- Anàlisi
Xarxes neuronals (Informàtica)
Mètodes estadístics
info:eu-repo/semantics/publishedVersion
Artículo
         

Mostrar el registro completo del ítem

Documentos relacionados

Otros documentos del mismo autor/a

Oviedo de La Fuente, Manuel; Domínguez García, Angela; Muñoz Gracia, María del Pilar
Cobo Valeri, Erik; González Alastrué, José Antonio; Muñoz Gracia, María del Pilar; Dieguez, José Manuel; Piñeiro, Martiño
Muñoz Gracia, María del Pilar; Márquez, D.; Martí Recober, Manuel; Villazón, C.; Acosta Argueta, Lesly María
Font, X; Muñoz Gracia, María del Pilar; Martí Recober, Manuel