Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/18829
DC FieldValueLanguage
dc.contributor.advisorGuerra Artal, Cayetano-
dc.contributor.authorMontesdeoca Santana, Besay-
dc.contributor.otherEscuela de Ingeniería Informáticaen_US
dc.date.accessioned2016-10-20T02:30:25Z-
dc.date.accessioned2018-06-05T08:30:59Z-
dc.date.available2016-10-20T02:30:25Z-
dc.date.available2018-06-05T08:30:59Z-
dc.date.issued2016en_US
dc.identifier.urihttp://hdl.handle.net/10553/18829-
dc.description.abstractEn 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.en_US
dc.description.abstractIn 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.en_US
dc.formatapplication/pdfes
dc.languagespaen_US
dc.rightsby-nc-ndes
dc.subject120317 Informáticaen_US
dc.subject.otherRed neuronalen_US
dc.subject.otherLSTMen_US
dc.subject.otherPredicciónen_US
dc.subject.otherVientoen_US
dc.titleEstudios de predicción en series temporales de datos meteorológicos utilizando redes neuronales recurrentesen_US
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
dc.typeBachelorThesisen_US
dc.compliance.driver1es
dc.contributor.departamentoDepartamento de Informática y Sistemasen_US
dc.contributor.facultadEscuela de Ingeniería Informáticaen_US
dc.identifier.absysnet728348es
dc.investigacionIngeniería y Arquitecturaen_US
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses
dc.type2Trabajo final de gradoen_US
dc.utils.revisionen_US
dc.identifier.matricula38454es
dc.identifier.ulpgcen_US
dc.contributor.buulpgcBU-INFen_US
dc.contributor.titulacionGrado en Ingeniería Informáticaes
item.fulltextCon texto completo-
item.grantfulltextopen-
crisitem.advisor.deptGIR SIANI: Inteligencia Artificial, Redes Neuronales, Aprendizaje Automático e Ingeniería de Datos-
crisitem.advisor.deptIU Sistemas Inteligentes y Aplicaciones Numéricas-
crisitem.advisor.deptDepartamento de Informática y Sistemas-
Appears in Collections:Trabajo final de grado
Thumbnail
Memoria
Adobe PDF (2,04 MB)
Show simple item record

Google ScholarTM

Check


Share



Export metadata



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