Control del sobreajuste en redes neuronales tipo cascada correlación aplicado a la predicción de precios de contratos de electricidad
Cargando...
Archivos
Fecha
2015
Autores
Villa G., Fernán A.
Velásquez H., Juan D.
Paola A., Sánchez S.
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de Medellín
Resumen
La predicción de precios de electricidad es considerada una tarea difícil
debido a la cantidad y complejidad de los factores que influyen en
su representación, y sus relaciones. Las redes neuronales tipo cascada
correlación –CASCOR– permiten, realizar un aprendizaje constructivo,
capturando mejor las características de los datos; sin embargo, presentan
una alta tendencia al sobreajuste. Para el control del sobreajuste en algunos
ámbitos se usan técnicas de regularización. No obstante, en la literatura
no existen estudios que: i) Utilicen técnicas de regularización para el
control de sobreajuste en redes CASCOR; ii) Usen redes CASCOR en
la predicción de series de electricidad; iii) comparen el desempeño con
redes neuronales tradicionales o modelos estadísticos. El objetivo de este
artículo es modelar y predecir el comportamiento de la serie de precios
de contratos de electricidad en Colombia, usando redes CASCOR y controlando
el sobreajuste con técnicas de regularización.
Prediction of electricity prices is considered a difficult task due to the number and complexity of factors that influence their performance, and their relationships. Neural networks cascade correlation - CASCOR allows to do a constructive learning and it captures better the characteristics of the data; however, it has a high tendency to overfitting. To control overfitting in some areas regularization techniques are used. However, in the literature there are no studies that: i) use regularization techniques to control overfitting in CASCOR networks, ii) use CASCOR networks in predicting of electrical series iii) compare the performance with traditional neural networks or statistical models. The aim of this paper is to model and predict the behavior of the price series of electricity contracts in Colombia, using CASCOR networks and controlling the overfitting by regularization techniques.
Prediction of electricity prices is considered a difficult task due to the number and complexity of factors that influence their performance, and their relationships. Neural networks cascade correlation - CASCOR allows to do a constructive learning and it captures better the characteristics of the data; however, it has a high tendency to overfitting. To control overfitting in some areas regularization techniques are used. However, in the literature there are no studies that: i) use regularization techniques to control overfitting in CASCOR networks, ii) use CASCOR networks in predicting of electrical series iii) compare the performance with traditional neural networks or statistical models. The aim of this paper is to model and predict the behavior of the price series of electricity contracts in Colombia, using CASCOR networks and controlling the overfitting by regularization techniques.
Descripción
Tabla de contenidos
Palabras clave
Pronóstico de series de tiempo, Redes cascada correlación, Rede neuronales, Mercado de electricidad colombiano
Citación
F. A. Villa G, J. D. Velásquez H, y P. A. Sánchez S, «Control del sobreajuste en redes neuronales tipo cascada correlación aplicado a la predicción de precios de contratos de electricidad», rev.ing.univ.Medellin, vol. 14, n.º 26, pp. 161–176, sep. 2015, doi: 10.22395/rium.v14n26a10.
