Por favor, use este identificador para citar o enlazar este ítem: http://cybertesis.uni.edu.pe/handle/uni/3982
Título : Aplicación de Redes Neuronales artificiales para la predicción de series temporales, caso de ventas de productos de higiene capilar 2009-2015
Autor : Lucas Diaz, Victor Pedro
Asesor : Ordoñez Mercado, Alipio Francisco
Palabras clave : Redes neuronales;Pronósticos
Fecha de publicación : 2016
Editorial : Universidad Nacional de Ingeniería
Resumen : El objetivo principal del presente informe de suficiencia profesional es analizar cuál es la capacidad predictiva de la Redes Neuronales Artificiales frente a la metodología de Box & Jenkins en la predicción de series de tiempo, los datos utilizados fueron valores de ventas mensuales de una marca de higiene capilar del periodo de enero/2009 a julio/2015. Para el análisis fueron construidos modelos originados por la metodología sugerida por Box & Jenkins como también modelos basados en la metodología de RNA con una y dos capas ocultas. Tales modelos fueron validados de acuerdo a los criterios de MAE, MAPE y RMSE. El modelo estadístico que mejor se adecuó a los datos fue el 〖SARIMA(0,1,1)(0,1,1)〗_12. Los modelos de RNA que presentaron mejor desempeño son los MLP(12,10,0,1) y MLP(12,6,3,1). Los resultados obtenidos en el análisis comparativo muestran que cada metodología puede ser ajustada adecuadamente al conjunto de observación en estudio, sin embargo los pronósticos obtenidos por los modelos de Redes Neuronales Artificiales de una y dos capas ocultas fueron mejores en el sentido del error cuadrático medio de predicción, alcanzando respectivamente una reducción del error de hasta 59% y 54%, frente al error cuadrático medio obtenido con el mejor modelo de estructura SARIMA de Box & Jenkins. Palabras Clave: Pronósticos, Series de tiempo, Redes neuronales Artificiales.
URI : http://cybertesis.uni.edu.pe/handle/uni/3982
Derechos: info:eu-repo/semantics/restrictedAccess
Aparece en las colecciones: Ingeniería Estadística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
lucas _dv.pdf593,58 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons