Los intervalos de predicción difusos utilizando distribuciones de credibilidad
Autores: Vercher, Enriqueta; Rubio, Abel; Bermúdez, José D.
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Los intervalos de predicción difusos utilizando distribuciones de credibilidad
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Nuevo esquema de pronóstico
Distribución de credibilidad
Eventos difusos
Intervalos de predicción
Datos de series temporales
Pronósticos punto a punto
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Presentamos un nuevo esquema de pronóstico basado en la distribución de credibilidad de eventos difusos. Este enfoque nos permite construir intervalos de predicción utilizando las primeras diferencias de los datos de la serie temporal. Además, el valor esperado de credibilidad nos permite estimar los pronósticos puntuales de k pasos adelante. Analizamos la cobertura de los intervalos de predicción y la precisión de los pronósticos puntuales utilizando diferentes enfoques de credibilidad basados en las diferencias superiores. Los resultados comparativos se obtuvieron trabajando con series temporales anuales de la Competencia M4. Se presenta el rendimiento y el costo computacional de nuestra propuesta, en comparación con los procedimientos de pronóstico automáticos.
Descripción
Presentamos un nuevo esquema de pronóstico basado en la distribución de credibilidad de eventos difusos. Este enfoque nos permite construir intervalos de predicción utilizando las primeras diferencias de los datos de la serie temporal. Además, el valor esperado de credibilidad nos permite estimar los pronósticos puntuales de k pasos adelante. Analizamos la cobertura de los intervalos de predicción y la precisión de los pronósticos puntuales utilizando diferentes enfoques de credibilidad basados en las diferencias superiores. Los resultados comparativos se obtuvieron trabajando con series temporales anuales de la Competencia M4. Se presenta el rendimiento y el costo computacional de nuestra propuesta, en comparación con los procedimientos de pronóstico automáticos.