En la tesis "SISTEMA INTELIGENTE DE MODELADO Y PREDICCION" se presenta una metodología para el modelado de procesos alternativa a las existentes, Dicha metodología se basa en la cooperación de técnicas en contraposición a la utilización de técnicas individuales.
En concreto se aborda el problema de modelización desde la perspectiva de un modelado inicial univariante ARIMA que posteriormente se mejora mediante el empleo de redes neuronales. El papel de las redes neuronales consiste en predecir, en la medida de lo posible, los residuos que se generarán en el modelo univariante. Para ello se incorpora a la red información sobre variables exógenas que puedan influir sobre la variable objeto de estudio. La combinación de ambas predicciones mejora los resultados de las técnicas individuales.
Igualmente se aportan una serie de técnicas encaminadas a simplificar la tarea de representación de información en redes neuronales y mejorar la calidad del aprendizaje.
Dichas técnicas abarcan desde la representación de variables cuantitativas y cualitativas hasta medidas de calidad del conocimiento que la red neuronal ha adquirido.
Para la realización del trabajo ha sido necesario desarrollar un programa informático, ejecutable sobre varias plataformas, en entorno gráfico, de fácil portabilidad, que sea capaz de ajustar los diversos modelos que emplea la metodología propuesta.
Con objeto de contrastar la validez del método se ha aplicado dicha metodología a la predicción de demanda eléctrica. Para ello se han tomado datos de consumo eléctrico semanales y se ha elaborado inicialmente un modelo ARIMA univariante que posteriormente ha sido mejorado mediante redes neuronales. Los resultados han sido muy satisfactorios.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados