Estimating missing data in historic series of global radiation through neural network algorithms

En el tratamiento de datos de series de tiempo meteorológicas se encuentran problemas de datos incompletos en algunos intervalos de tiempo; el problema se aborda comúnmente utilizando el modelo auto-regresivo de media móvil (ARIMA) o el método por análisis de regresión (interpolación), ambos con ciertas limitaciones en condiciones particulares. En este documento se reportan los resultados de una investigación dirigida a resolver el problema utilizando redes neuronales. Se presenta el análisis efectuado a una serie histórica de radiación global obtenida en la Universidad Francisco de Paula Santander (Cúcuta, Colombia), con base en los datos registrados por su estación meteorológica, a partir de una serie de estudio de diez años (125.658 registros de temperatura, radiación y energía), con 9.98% datos faltantes. Los datos fueron debidamente depurados y completados mediante algoritmos de redes neuronales tipo backpropagation usando el software matemático MATLAB.

• Autores: Acevedo, Franklin García; Becerra, Erney Castro; Peñaranda, Diego Parra; Vega, Alejandro Vásquez; Serrano, Juan Rojas
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2016
• Institución: Universidad ICESI
• Repositorio: Repositorio ICESI
• Idioma: eng; spa
• OAI Identifier: oai:repository.icesi.edu.co:10906/81508
• Acceso en línea: http://hdl.handle.net/10906/81508; http://www.icesi.edu.co/revistas/index.php/sistemas_telematica/article/view/2239; https://doi.org/10.18046/syt.v14i37.2239
• Palabra clave: Redes neuronales; Software; Datos
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/