Record Details

UN MODELO NO LINEAL PARA LA PREDICCIÓN DE LA DEMANDA MENSUAL DE ELECTRICIDAD EN COLOMBIA

Estudios Gerenciales

View Archive Info
 
 
Field Value
 
Title UN MODELO NO LINEAL PARA LA PREDICCIÓN DE LA DEMANDA MENSUAL DE ELECTRICIDAD EN COLOMBIA
A NON-LINEAR MODEL FOR FORECASTING THE MONTHLY DEMAND FOR ELECTRICITY IN COLOMBIA (Article published in Spanish)
UM MODELO NÃO LINEAR PARA A PREVISÃO DA NECESSIDADE MENSAL DE ELETRICIDADE NA COLÔMBIA (publicado em espanhol)
 
Creator Velásquez H., Juan David
Franco G., Carlos Jaime
García, Hernán Alonso
 
Subject COLOMBIA; PRONOSTICOS DE DEMANDA; REDES NEURONALES; ELECTRICIDAD
Demand; forecast; neural networks; ARIMA
Procura; previsão; redes neurais; ARIMA
 
Description En este artículo se compara el desempeño de un modelo ARIMA, un perceptron multicapa y una red neuronal autorregresiva para pronosticar la demanda mensual de electricidad en Colombia para el siguiente mes adelante. Los datos disponibles fueron divididos en dos conjuntos, el primero para estimar los parámetros del modelo y el segundo para la capacidad de predicción por fuera de la muestra de calibración. Los resultados revelan que la red neuronal autorregresiva es capaz de pronosticar la demanda con mayor precisión que los otros dos modelos cuando la totalidad de los datos es considerada.
This article provides a comparison of the performance of an ARIMA model, a multilayer perceptron, and an autoregressive neural network for forecasting the monthly demand for electricity in Colombia for the following month. The available data were divided into two different sets, i.e. one set for estimating the model parameters, and the other for evaluating the forecast ability outside the range of the sample calibration data. The results show that the autoregressive neural network is able to forecast the demand more accurately than the other two models when the total available data are considered.
Nesse artigo se compara o desempenho de um modelo ARIMA, um perceptrão multi-camada e uma rede neural autorregressiva para prever a necessidade mensal de eletricidade na Colômbia para o mês seguinte. Os dados disponíveis foram divididos em dois grupos, o primeiro para estimar os parâmetros do modelo e o segundo para a capacidade de previsão por fora da mostra de calibração. Os resultados mostram que a rede neural autorregresiva é capaz de prever a procura com maior precisão que os outros dois modelos considerados, quando a totalidade dos dados é considerada.
 
Publisher Universidad Icesi
 
Date 2009-09-30
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
text/html
 
Identifier http://www.icesi.edu.co/revistas/index.php/estudios_gerenciales/article/view/311
 
Source Estudios Gerenciales; Vol. 25 No. 112 Jul-Sep 2009; 37-54
01235923
 
Language spa
 
Relation http://www.icesi.edu.co/revistas/index.php/estudios_gerenciales/article/view/311/309
http://www.icesi.edu.co/revistas/index.php/estudios_gerenciales/article/view/311/1147
 
Coverage Colombia de Lat: 04 00 00 N degrees minutes Lat: 4.0000 decimal degrees Long: 072 00 00 W degrees minutes Long: -72.0000 decimal degrees
Colombia de Lat: 04 00 00 N degrees minutes Lat: 4.0000 decimal degrees Long: 072 00 00 W degrees minutes Long: -72.0000 decimal degrees
Colombia de Lat: 04 00 00 N degrees minutes Lat: 4.0000 decimal degrees Long: 072 00 00 W degrees minutes Long: -72.0000 decimal degrees