Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/18829
Title: Estudios de predicción en series temporales de datos meteorológicos utilizando redes neuronales recurrentes
Authors: Montesdeoca Santana, Besay
Director: Guerra Artal, Cayetano Nicolás 
UNESCO Clasification: 120317 Informática
Keywords: Red neuronal
LSTM
Predicción
Viento
Issue Date: 2016
Abstract: En los últimos años, en el campo de las energías renovables, la energía eólica ha sido una de las que mas se ha desarrollado e invertido. La importancia de las predicciones de viento radica en la ayuda que aportan para planificar y anticiparse a los valores futuros que afectarán al sistema, ayudando a gestionar la adquisición de los recursos necesarios con antelación suficiente. Recientemente se han desarrollado nuevas arquitecturas de redes recurrentes que resultan muy prometedoras para realizar predicción. En este trabajo se probará y experimentará con dichas arquitecturas para realizar distintas predicciones de la velocidad del viento en un horizonte de corto y muy corto plazo a partir de datos de series temporales de viento.
In recent years, in the field of renewable energy, wind energy has been one that more has developed and invested. The importance of wind predictions is in the help they provide to plan and anticipate future values that affect the system, helping to manage the acquisition of the necessary resources in advance. Recently developed new architectures recurrent networks that are very promising for prediction. In this work we will be tested and experiment with these architectures fordifferent predictions of wind speed in a horizon of short and very short term from time series data of wind.
URI: http://hdl.handle.net/10553/18829
Rights: by-nc-nd
Appears in Collections:Trabajo final de grado
Thumbnail
Memoria
Adobe PDF (2,04 MB)
Show full item record

Page view(s)

58
checked on Feb 22, 2021

Download(s)

428
checked on Feb 22, 2021

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.