Mejorando las previsiones diarias de flujo máximo utilizando modelos híbridos de autoregresión integrada de media móvil de Fourier y series y redes neuronales artificiales recurrentes
Autores: Banihabib, Mohammad Ebrahim; Bandari, Reihaneh; Valipour, Mohammad
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Mejorando las previsiones diarias de flujo máximo utilizando modelos híbridos de autoregresión integrada de media móvil de Fourier y series y redes neuronales artificiales recurrentes
Categoría
Ingeniería y Tecnología
Subcategoría
Inteligencia Artificial
Palabras clave
Embalses
Pronóstico
Modelo
Caudal de entrada
Caudales máximos
Híbrido
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
En los embalses de usos múltiples, para lograr una operación óptima, se requieren modelos sofisticados para predecir el caudal de entrada en el embalse a corto y largo plazo con una precisión aceptable, especialmente para los caudales máximos. En este estudio, se propone un modelo híbrido autorregresivo para la predicción a largo plazo del caudal diario del embalse.
Descripción
En los embalses de usos múltiples, para lograr una operación óptima, se requieren modelos sofisticados para predecir el caudal de entrada en el embalse a corto y largo plazo con una precisión aceptable, especialmente para los caudales máximos. En este estudio, se propone un modelo híbrido autorregresivo para la predicción a largo plazo del caudal diario del embalse.