Академический Документы
Профессиональный Документы
Культура Документы
Guevara Bello, Vega González y Guevara Pérez [5], llevaron a cabo un análisis
estocástico de la serie de tiempo de los caudales medios mensuales del río Caroní, en
Venezuela. Para el efecto, utilizaron el método descrito en [2], aplicando técnicas de
eliminación de tendencia y periodicidad para la implementación de modelos lineales
autorregresivos AR, resultando el SARIMA (1, 0, 0)(0, 1, 1) como el mejor ajustado a los
datos.
Por otra parte, Sánchez en su trabajo de investigación [6] utiliza las redes neuronales
artificiales para la predicción de caudales medios mensuales del río Huancané, teniendo
en cuenta los datos de caudales, precipitaciones y evaporación. Para el efecto, en el trabajo
se desarrollan 10 modelos con distintas arquitecturas. Para el entrenamiento y la posterior
validación de los modelos se utilizaron dos grupos de datos diferentes, dando como
resultado un mejor desempeño que los modelos autorregresivos de primer orden PAR.
Bibliografía
[1] P. J. Brockwell and R. A. Davis, Time Series: Theory and Methods (Springer
Series in Statistics). 1991.
[2] G. E. P. Box, G. M. Jenkins, and G. C. Reinsel, Time Series Analysis:
Forecasting & Control. 1994.
[3] D. Peña Sánchez de Rivera, Análisis de series temporales. Madrid: Alianza
Editorial, 2010.
[4] D. R. Anderson, D. J. Sweeney, T. A. Williams, I. Chiavenato, maria jose
Fleming, Paul, and The Mendeley Support Team, Estadistica para
Administracion y Economia. 2006.
[5] J. E. Guevara Bello, C. E. Vega González, and E. Guevara Pérez, “Análisis
estocástico de una serie cronológica de caudales mensuales. Caso de estudio: Río
Caroní, Venezuela,” Rev. Ing. UC, 2010.
[6] M. Sánchez D. and W. Laqui V., “Predicción de caudales medios mensuales del
Río Huancané utilizando Modelos de Redes Neuronales,” An. Científicos, 2009.
[7] G. Poveda et al., “Predicción de caudales medios mensuales en ríos Colombianos
usando métodos no lineales,” Meteorol. Colomb., 200