Colombia
En este artículo, se propone utilizar redes neuronales tipo cascada correlación regularizadas, para pronosticar el precio mensual, de corto plazo, de la electricidad del mercado brasileño. Se estiman diversos modelos de redes cascada correlación regularizados entre la capa de entrada y oculta, con descomposición o con eliminación de pesos, mientras que entre la capa oculta y la de salida, se regulariza con regresión de borde. Los resultados indican que las redes cascada correlación regularizadas en todas sus capas describen mejor la dinámica de la serie de precios que la misma red sin regularizar, que un modelo ARIMA y que un perceptrón multicapa (MLP) clásico, que usa los mismos rezagos y neuronas en la capa oculta, lo cual, permite afirmar, que para la serie de precios de electricidad, las redes cascada correlación regularizadas permiten encontrar modelos con mejor capacidad de pronóstico.
The aim of this paper is to propose the use of regularized cascade correlation neural networks to forecast the monthly Brazilian electricity spot price. The cascade correlation models have been regularized with weight decay, weight elimination and ridge regression techniques, and several regularized models have been estimated. The results show that the regularized cascade correlation network represents the dynamic series better than other similar models such as the multilayer perceptron (MLP) and ARIMA. Then the regularized cascade correlation neural networks allow finding a suitable model to forecast the monthly Brazilian electricity spot price.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados