El uso de perceptrones multicapa para la modelización estadística de series de tiempo no lineales de SO_2, en Salta Capital, Argentina

• Musso, Haydeé Elena ^[1] ; Ávila Blas, Orlando José ^[1]
  1. [1] Universidad Nacional de Salta

     Universidad Nacional de Salta

     Argentina

     
• Localización: Revista de Matemática: Teoría y Aplicaciones, ISSN 2215-3373, ISSN-e 2215-3373, Vol. 20, Nº. 1, 2013, págs. 61-78
• Idioma: español
• Títulos paralelos:
  • The use of multilayer perceptrons for statistical modeling SO_2 non linear time series in Salta Capital, Argentina
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este trabajo se realizó un estudio estadístico de variablesfísico químicas asociadas al fenómeno de contaminación ambiental,en particular concentración media mensual de SO2, medidas en la ciudad Salta Capital, Argentina, simultáneamente a concentracionesde NO2 y O3. Las series bajo estudio presentaban comportamientosdinámicos no lineales, datos atípicos y cambios estructurales, lo quehizo imposible modelarlas con tipologías econométricas tradiciones(AR, MA, ARMA, ARIMA, entre otras). Una solución eficiente quese encontró, hace uso de la teoría de los perceptrones multicapa.Mediante el modelo estructural de series de tiempo, esta solución sepresenta como un proceso matemático iterativo que permite obtenerun modelado final el cual tiene una muy alta confiabilidad (95%),para realizar pronósticos a futuro sobre el comportamiento de lavariable estudiada.

  • English

    In this paper a statistical study of phisical-chemistry variables connected with enviroment pollution, specifically SO2 monthly average concentration, measured in Salta Capital city, Argentina, together with NO2 and O3 concentrations, was made. Time series under study shown non linear dinamic behaviour, outliers and structural changes. Due to these it was impossible to use typical econometric typologies (AR, MA, ARMA, ARIMA, among others). Aneffective solution which uses multistep perceptrons theory was found. By using structural time series modelling, this solution is presentedby an iterative mathematical process that allows us to obtain a finalmodel with a high confidence level (95%) in order to do thefore casting step on the studied variable.