La tesis tiene como objetivo desarrollar un modelo híbrido que combina Redes Neuronales Recurrentes del tipo Long ShortTerm Memory (memoria a corto-largo plazo) con la técnica de Transformada Wavelet Discreta (DWT). La DWT permite descomponer la señal de demanda eléctrica del Sistema Eléctrico Interconectado Nacional (SEIN) en múltiples sub-señales que capturan diferentes frecuencias y detalles de la señal original. Este proceso puede reducir la volatilidad de ciertos componentes al aislar patrones de frecuencia específicos, facilitando su análisis. Cada subseñal obtenida es posteriormente procesada por una red neuronal recurrente LSTM, que permite realizar un pronóstico de la demanda en función de las características de cada componente. El resultado final se obtiene mediante la combinación de estos múltiples pronósticos utilizando la Transformada Wavelet Estacionaria In...