Comparación de los métodos de series de tiempo y redes neuronales

• Autor: Menacho Chiok, Cesar Higinio
• Formato: artículo
• Fecha de Publicación: 2014
• Institución: Universidad Nacional Agraria La Molina
• Repositorio: Revistas - Universidad Nacional Agraria La Molina
• Lenguaje: español
• OAI Identifier: oai:revistas.lamolina.edu.pe:article/960
• Enlace del recurso: https://revistas.lamolina.edu.pe/index.php/acu/article/view/960
• Nivel de acceso: acceso abierto
• Materia: medición del error; redes neuronales; regresión polinomial; series de tiempo; suavización exponencial.

El propósito de la investigación es hacer un estudio comparativo de los métodos estadísticos clásicos aplicados al análisis de series de tiempo; regresión polinomial de segundo grado, promedio móvil, suavización exponencial simple y suavización exponencial doble con los modelos de redes neuronales artificiales multicapa backpropagación. Los métodos propuestos son aplicados a ocho series de tiempo obtenidas del portal del Instituto Nacional de Estadística e Informática (INEI). Se comparan los métodos, usando las medidas para la medición del error de pronóstico MAPE, MAD y MSE. Los resultados mostraron que los modelos de redes neuronales tuvieron menores valores de MAPE en las ocho series y menores valores de MAD y MSE en cuatro de las series de tiempo analizadas.