Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Modelamiento de series de caudal usando ANFIS
Palabras clave:
ANFIS, Series de Tiempo, Series de Caudal, Embalse Betania (es)Hydrologic Time Series (en)
Descargas
Este trabajo presenta ANFIS (Adaptative Network Based Fuzzy Inference System) como una técnica de modelamiento no lineal de series de tiempo, que en su formulación puede ser analizada como una generalización no lineal de los modelos autorregresivos, y a diferencia de otras metodologías permite incorporar conocimiento experto sobre la serie de tiempo. Recopila una metodología para la formulación de modelos ANFIS y presenta una comparación entre preprocesamientos de la información utilizados en series de tiempo y series hidrológicas, para definir cuál es el más adecuado en este tipo de modelos, concluyendo que los mejores resultados se obtienen con la estandarización mensual utilizada en los modelos tradicionales para series de caudal. Por último compara los resultados obtenidos con los modelos ANFIS y los modelos tradicionales autorregresivos, encontrando que los primeros capturan mejor la estructura de la serie. Para la aplicación se utilizó la serie de caudales de la estación Embalse Betania ubicada en el departamento del Huila.
This work shows ANFIS (Adaptative Network Based Fuzzy Inference System) like a no linear modelling technique for time series, that in its formulation can be analysed like a no linear generalization of autoregressive models, and that, compared with other methodologies, lets incorporate expert knowledge about the time series.This work compiles a methodology for the formulation of ANFIS models and shows a comparison between pre-processing information used in time series and hydrological time series, for found which one is the most suitable in this kind of models, concluding that best results are obtained by monthly standardization used by traditional models for hydrological time series. Finally, it compares the results obtained by ANFIS models with traditional autoregressive models, founding that first one captures better the time series’s behavior. For the application, it was used the flow time series of Betania1 s reservoir, located in Huila deparment.
Referencias
Box, G.E.P. y Jenkins, GM., 1970. Time Series Analysis: Forecasting and Control, HoldenDay Inc., Estados Unidos.
Carvajal, L., 1994. Acerca de la Predicción no Lineal en Hidrología, Tesis Maestría, Universidad Nacional de Colombia, Medellín.
Jang, R., 1993. Anfis: Adaptive-network-based fiizzy inference system, IEEE Transactions (3).
Mesa, O. y Poveda G, 1993. Análisis Espectral Singular y Redes Neuronales Aplicadas a Hidrología, Avances en Recursos Hidráulicos (2).
Mesa, O., Poveda, G. y Carvajal, L, 1997. Introducción al Clima de Colombia, Universidad Nacional de Colombia, Bogotá.
Poveda, G y Mesa, O., 1993. Metodologías de Predicción de la Hidrología Colombiana Considerando el fenómeno El Niño/Oscilación del Sur, Revista Atmósfera (20).
Poveda, G y Mesa, O., 1996. Caudales Medios Mensuales de Ríos Colombianos durante El Niño y La Niña, IV Congreso Colombiano de Meteorología, IDEAM, Bogotá, Colombia.
Poveda, G, Mesa, O., Carvajal, L., Hoyos, C., Mejía, J., Cuartas, A. y Pulgarín, A., 2002. Predicción de Caudales Medios Mensuales en Ríos Colombianos usando Métodos no Lineales, Meteorología Colombiana (6).
Prada, L. F. y Obregón, N., 2004. Consideraciones Prácticas para la Calibración de RNA Aplicadas a la Predicción de Series de Tiempo de Caudales, III Congreso y I Conferencia Andina Internacional de Investigación de Operaciones, Cartagena, Colombia.
Rendón, L., 1997. Beneficios de la Predicción Hidrológica en el Sector Eléctrico Colombiano, Considerando la Variabilidad Climática.
Salas, J. D., Delleur, J.W., Yevjevich, V. y Lane, W. L., 1980. Applied Modeling of Hidrologic Time Series, Water Resources Publications, Colorado, Estados Unidos.
Salazar, J., Mesa, O., Poveda, G y Carvajal, L. F., 1994. Aplicación de un Modelo Continuo No Lineal al Estudio de Series Hidrológicas, XXI Congreso Latinoamericano de Hidráulica e Hidrología, IAHR, Número 4.
Salazar, J., Mesa, O., Poveda, G y Carvajal, L. F., 1994. Ecuación Diferencial Estocástica No-Lineal para Modelar la Hidrología, X Seminario Nacional de Hidráulica e Hidrología.
Salazar, J., Mesa O. y Poveda, G, 1994. Aplicación de dos Modelos No Lineales a la Simulación de Series Hidrológicas, Avances en Recursos Hidráulicos (2).
Svanidze, G., 1980. Mathematical Modeling of Hidrologic Series, Water Resources Publications, Colorado, Estados Unidos.
Takagi, T. y Sugeno, M., 1982. Derivation of Fuzzy Control Rules from Human Operator's Control Actions, In Proceedings of the IFAC Symposium of Fuzzy Information, Knowledge Representation and Decisión Análisis.
Tong, H., 1990. Non-Linear Time Series, a Dynamical System Approach, Oxford Statistical Science Series, U.K.
Velásquez, J., Dyner, I. y Souza, R., 2004. Statistical Modelling of the Brazilian Electricity Spot Price Using Anfis.
