|
Descripción
|
|
|---|---|
| La predicción de la demanda eléctrica puede llevarse a cabo mediante un modelo de regresión debido a la gran influencia que tienen variables como la temperatura o las características del día predicho (día de la semana, festivo, ...). Sin embargo, los errores obtenidos con este modelo están correlacionados a causa de la naturaleza dinámica de los datos. En la literatura especializada es usual considerar entonces modelos ARIMA para modelar dichos errores, lo que se conoce como modelos reg-ARIMA. Estos modelos, aunque son sencillos en su formulación, presentan el inconveniente de que son difíciles de estimar y, en general, es necesario utilizar algoritmos iterativos que consumen grades recursos de computación y de tiempo, y que además están sujetos a problemas de mínimos locales. En este trabajo se propone utilizar un modelo dinámico lineal para los errores de la regresión, y un un algoritmo no iterativo para estimar dicho modelo. El modelo dinámico lineal incluye de manera elegante tendencias y estacionalidades y es fácilmente aplicable al caso multivariante. En cuanto al algoritmo empleado, se basa en la factorización de la matriz de Hankel formada con las autocorrelaciones estimadas. El método se ha aplicado a datos reales y se han analizado sus ventajas e inconvenientes. | |
|
Internacional
|
No |
|
Nombre congreso
|
XXXVI Congreso Nacional de Estadística e Investigación Operativa y de las X Jornadas de Estadística Pública |
|
Tipo de participación
|
960 |
|
Lugar del congreso
|
Toledo |
|
Revisores
|
Si |
|
ISBN o ISSN
|
0000000000 |
|
DOI
|
|
|
Fecha inicio congreso
|
05/09/2016 |
|
Fecha fin congreso
|
07/09/2016 |
|
Desde la página
|
1 |
|
Hasta la página
|
10 |
|
Título de las actas
|
XXXVI Congreso Nacional de Estadística e Investigación Operativa y de las X Jornadas de Estadística Pública |