Examinando por Materia "series de tiempo"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónSólo datos
    OPTIMIZACIÓN DE PARÁMETROS Y DE VALORES DE INICIO PARA EL MODELO DE HOLT BASADO EN SEÑALES DE RASTREO (PARAMETER AND INITIAL VALUES OPTIMIZATION FOR HOLT MODEL BASED ON TRACKING SIGNALS)
    (Fondo Editorial EIA - Universidad EIA, 2013-11-07) Alberto Castro, Carlos; Uribe, Diana Cecilia
    Los modelos de series de tiempo son técnicas cuantitativas con frecuencia utilizadas para realizar pronósticos de variables, dentro de los cuales se encuentran los modelos de suavización, en particular el de suavización con ajuste de tendencia, llamado también modelo de Holt, que requiere la definición de los parámetros a y b y conocidos como coeficientes de suavización y de los valores de inicio que son fundamentales para su actualización. En este artículo se propone una forma de obtener estos valores mediante la optimización del rango de la señal de rastreo (TSR) que permitan lograr un modelo más confiable desde el punto de vista de la exactitud de los resultados y de su desempeño histórico. Se realizan algunas comparaciones con modelos propuestos que utilizan la desviación absoluta media (MAD) y el error cuadrado medio (MSE) las cuales son las medidas tradicionalmente utilizadas para determinar el grado de exactitud de un modelo, lográndose obtener un comportamiento mejor de modelo.Abstract: Time series models are quantitative techniques commonly used to forecast the behavior of variables. These models include the exponential smoothing with trend or Holt model that requires the definition of the smoothing constants a and b and the initialization values, both required for the model upgrade. This paper proposes a different way to obtain the parameter values and initial conditions of the Holts model, optimizing the tracking signal range (TSR), in order to achieve a more robust model from the viewpoint of accuracy of the results and historical performance. Some comparisons between the proposed approach and the traditional methods based on the mean absolute deviation (MAD) and the mean square error (MSE) are provided. These are the measures traditionally used to determine the degree of accuracy of a model, and a better model performance is obtained.
  • Miniatura
    PublicaciónSólo datos
    PRONÓSTICO DE LA DEMANDA MENSUAL DE ELECTRICIDAD CON SERIES DE TIEMPO
    (Fondo Editorial EIA - Universidad EIA, 2017-03-05) Gil-Vera, Víctor
    Objetivo: Implementar modelos con series de tiempo para el pronóstico de la demanda mensual de electricidad (Gwh).Materiales y Métodos: Para el desarrollo y validación de los modelos se tomaron como base los valores de la demanda de energía eléctrica en el Sistema Interconectado Nacional (SIN) de Colombia en el período 2008-2014. Se emplearon series de tiempo aditivas con tendencias lineal, cuadrática y cúbica en el software estadístico R. Resultados: De los tres modelos desarrollados el modelo cuadrático es el que mejor ajuste presenta (R² ajustado =0.95), AIC = 954,54, BIC = 991,00).Conclusiones: Con este trabajo se concluye que las series de tiempo aplicadas al pronóstico de la demanda de electricidad permiten predecir con un alto grado de exactitud demandas futuras de energía eléctrica (GWh), información que puede generar ventajas a productores, distribuidores y grandes consumidores a la hora de establecer estrategias, optimizar su operación y realizar contratos bilaterales.