Resumen

En este artículo se presentan dos modelos de pronóstico de series temporales obtenidas a partir de sistemas dinámicos caóticos: el sistema de Lorenz, el sistema de fabricación y el volumen del Gran Lago Salado de Utah. La teoría de los sistemas dinámicos no lineales indica la capacidad de realizar predicciones de alta calidad de series provenientes de sistemas dinámicos con comportamiento caótico hasta un horizonte temporal determinado por el inverso del exponente de Lyapunov más grande. El análisis del espectro de potencia de Fourier y el cálculo del exponente de Lyapunov máximo permiten confirmar el origen de la serie a partir de un sistema dinámico caótico. El tiempo de retardo y la dimensión global se emplean como parámetros en los modelos de pronóstico de redes neuronales artificiales (ANN) y máquina de soporte vectorial (SVM). Esta investigación demuestra cómo los modelos de pronóstico construidos con ANN y SVM tienen la capacidad de realizar pronósticos de alta calidad, en un horizonte temporal superior al intervalo determinado por el inverso del exponent

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Pronóstico; Sistemas dinámicos caóticos; No lineal; Exponente de Lyapunov; Redes neuronales artificiales; Máquina de vectores de soporte
• Keywords:Forecast; Chaotic dynamic systems; Nonlinear; Lyapunov exponent; Artificial neuronal networks; Support vector machine