Modelado y pronóstico de una serie de tiempo contaminada empleando redes neuronales y procedimientos estadísticos tradicionales

JOEKES, S.; BARBOSA, E.P.; ROBLEDO, C.W.

Revista de la Sociedad Argentina de Estadística

Sociedad Argentina de Estadística

Año: 2005 vol. 8 p. 1 - 1

0329-5583

n este trabajo se presenta la aplicación de una red neuronal feedforward (AHA) a una serie de tiempo previamente estudiada en la literatura por diferentes investigadores (Brubacher, 1974; Mar- tín, 1980; Stahlbut, 1985; Allende, 1989) llamada serie RESEX que presenta estacionalidad y valo- res extremos (outliers). Algunos elementos de la arquitectura de la red tales como la definición de las variables de entrada fueron sugeridos por el análisis previo de la serie y otros como el número de capas ocultas y de neuronas por capa surgie- ron a través de procedimientos numéricos. Para el entrenamiento de la red se utilizó el algoritmo de retropropagación (backpropagation) estándar y también un algoritmo de aprendizaje robusto para tratar adecuadamente con los valores extre- mos aditivos. Todos los modelos y métodos (tra- dicionales y de redes neuronales) fueron compa- rados considerando diferentes medidas de habili- dad