Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/4240
Título: PRONÓSTICO DE SERIES DE TIEMPO PARA EL MERCADO DE ENERGÍA MEXICANO
Autor: Rodríguez Moya, Lemuel
Data: 2022-05-01
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Ciudad Madero
Descrição: La combinación de métodos de pronóstico es una técnica muy extendida que ha sido útil para diseñar métodos híbridos en varias áreas. Sin embargo, en los tiempos modernos se requieren cada vez más aplicaciones más precisas, y nuevas técnicas de hibridar. Muchos enfoques han surgido para resolver este problema. La principal dificultad de esta técnica es encontrar la metodología más adecuada para combinar métodos de pronóstico. Este trabajo presenta una nueva metodología denominada FCTA (Método de combinación de pronósticos con Threshold Accepting). Esta metodología ensambla un conjunto d métodos de pronóstico y utiliza un algoritmo Treshold Accepting para optimizar la ponderación de cada pronostico en la combinación. FCTA parte de una ponderación inicial y tiene como objetivo encontrar la mejor ponderación de cada método con el objetivo de mejorar precisión del pronóstico global. Para probar FCTA se usan conjuntos de datos tomados de la competencia M4- Makridakis además FCTA se compara con los mejores métodos de pronóstico individuales y otros exitosos métodos de la actualidad. Los Resultados de la experimentación muestran que FCTA supera a los mejores métodos individuales además es equivalente o mejor que las mejores metodologías del área de pronóstico
metadata.dc.type: info:eu-repo/semantics/doctoralThesis
Aparece nas colecções:Doctorado en Ciencias de la Ingeniería

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
D09070427_donacion_tesis_bib.pdf2.62 MBAdobe PDFVer/Abrir


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons