Comparación de los métodos de series de tiempo y redes neuronales
DOI:
https://doi.org/10.21704/ac.v75i2.960Palabras clave:
medición del error, redes neuronales, regresión polinomial, series de tiempo, suavización exponencial.Resumen
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.
Descargas
Referencias
Adhikari, Agrawal y Kant. 2013. PSO based Neural Networks vs. Traditional Statistical Models for Seasonal Time Series Forecasting. 3rd IEEE International Advance Computing Conference (IACC).
Alon, I.; Qi Min y Sadowski, R.J. 2001. Forecasting aggregate retail sales: a comparison of artificial neural networks and traditional methods. Journal of Retailing and Consumer Services, 8: 147-156.
Montaño, J.J.; Palmer, A. y Muñoz, P. 2011. Artificial neural networks applied to forecasting time series. Psicothema, 23(2): 322-329.
Nojek S.; Britos P.; Rossi B. y García Martínez, R. 2003. Pronóstico de Ventas: Comparación de predicción basada en redes Neuronales versus Método Estadístico. Reportes Técnicos en Ingeniería del Software, 5(1):1-12.
Sánchez, P. y Velásquez, J.D. 2010. Problemas de Investigación en la Predicción de Series de Tiempo con Redes Neuronales Artificiales. Revista Avances en Sistemas e Informática, 7(3): 67-73.
Singh, V.K. y Kumar, B. A. (2010). An Analysis of the Performance of Artificial Neural Network Technique for Stock Market Forecasting. (IJCSE) International Journal on Computer Science and Engineering. 2(6):2104-2109.
Stern, H. 1996. Neural Network in Applied Statistics. TECHNOMETRICS, 38(3): 205-214.
Zhang, G.; Patuwo, B.E. y Hu, M.Y. 1998. Forecasting with artificial neural networks: The state of the art. International Journal of Forecasting, 14:35-62.
Weka. 2010. Disponible en http://www.cs.waikato.ac.nz/ml/weka/
