Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ug.edu.ec/handle/redug/45756
Título : Pronóstico de producción hidroeléctrica del Ecuador usando redes neuronales.
Autor : Bajaña Martínez, Elvis Andrés
Tutor(es): Alonso Águila, Luis Manuel
Palabras clave : Producción hidroeléctrica
Redes neuronales artificiales
Aprendizaje supervisado
Fecha de publicación : oct-2019
Editorial : Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.
Tipo: bachelorThesis
Resumen : En el presente trabajo se realiza la predicción de la producción hidroeléctrica del Ecuador del año 2015 utilizando redes neuronales artificiales de tipo perceptrón multicapas y redes neuronales recurrentes Elman y Jordan, desarrollados en R. Para esta predicción se utiliza datos del periodo comprendido entre 2000 y 2015, utilizando el último para el respectivo análisis de predicción, el cual se evalúa con medidas de rendimiento y se compara con el modelo serie de tiempo ARIMA. Para este fin se estudiarán los conceptos de los tipos de redes neuronales para entender sus modelos de predicciones. Además, se utiliza normalización de datos escalando a máximos y mínimos para mejorar el conjunto de entrenamiento y prueba en las neuronas, se utiliza el aprendizaje supervisado para las entradas de las neuronas con la función de activación sigmoide y la regla de aprendizaje de descenso degradado.
In this work, the prediction of the hydroelectric production of Ecuador in 2015 is carried out using artificial neural networks of multilayer perceptron type and recurrent neural networks Elman and Jordan, developed in R. For this prediction, data from the period between 2000 and 2015 are used, using the latter for the respective prediction analysis, which is evaluated with performance measures and compared with the ARIMA time series model. For this purpose, the concepts of the types of neural networks will be studied to understand their prediction models. In addition, data normalization is used scaling to maximum and minimum to improve the training and testing set in neurons, supervised learning is used for neuron inputs with the sigmoid activation function and the gradient descent learning rule.
Descripción : PDF
URI : http://repositorio.ug.edu.ec/handle/redug/45756
Aparece en las colecciones: Proyectos - Ingeniería en Sistemas Computacionales

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
B-CISC-PTG-1709 Bajaña Martínez Elvis Andrés.pdfUG-FCMF-B-CISC-PTG.17091,54 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.