Elevando el pronóstico de series temporales univariadas: innovadoras redes neuronales autorregresivas no lineales potenciadas por SVR
Autores: Borrero, Juan D.; Mariscal, Jesus
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Elevando el pronóstico de series temporales univariadas: innovadoras redes neuronales autorregresivas no lineales potenciadas por SVR
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Esfuerzos
Modelos predictivos
Modelo híbrido ARIMA-SVR
Método híbrido NAR-SVR
Pronóstico de series temporales
Algoritmos de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
Los esfuerzos en diversos ámbitos como la economía, la energía y la agronomía se han centrado en desarrollar modelos predictivos para datos de series temporales. Un espectro de técnicas, que van desde modelos lineales elementales hasta intrincadas redes neuronales y algoritmos de aprendizaje automático, se ha explorado para lograr pronósticos precisos.
Descripción
Los esfuerzos en diversos ámbitos como la economía, la energía y la agronomía se han centrado en desarrollar modelos predictivos para datos de series temporales. Un espectro de técnicas, que van desde modelos lineales elementales hasta intrincadas redes neuronales y algoritmos de aprendizaje automático, se ha explorado para lograr pronósticos precisos.