Optimización matemática del rendimiento de un modelo de forecasting con suavizamiento exponencial simple

En forecasting para series de tiempo, la técnica de suavizamiento exponencial simple, permite pronosticar un estado siguiente en función de los datos pasados. Este modelo asigna automáticamente una ponderación a cada una de las instancias con una función exponencial, mediante un coeficiente de suavizamiento α, que se encuentra en el dominio de ℝ∈[0,1]. La asignación de un valor adecuado de α, no es una tarea trivial al estar definido por un transfinito y, de forma genérica, se selecciona empíricamente un coeficiente que permita encontrar un balance entre complejidad computacional y error del modelo. Esta investigación científica desarrolla un proceso de optimización matemática para mejorar el rendimiento de un modelo de forecasting en series de tiempo con suavizamiento exponencial simple, utilizando técnicas de optimización tradicionales y modelos derivados del campo de la Inteligencia Artificial. Se utilizaron cinco técnicas de optimización y dos algoritmos de machine learning entrenados para poder encontrar un α optimizado. Los resultados fueron analizados con veinte conjuntos de datos, de diferente naturaleza y tamaño, donde se analizó el error del modelo mediante cuatro métricas que fueron minimizadas. Para cada técnica de optimización se analizó el tiempo de convergencia del algoritmo, con el objetivo de analizar la viabilidad de implementación en un entorno de producción. El coste computacional, en términos de tiempo de ejecución, es de 0.01 segundos para los algoritmos de aprendizaje automático en datasets de cualquier tamaño, mientras que un de algoritmo de optimización tradicional convergió en menos de un segundo, incluso para conjuntos de datos de más de 100 000 instancias.

• मुख्य लेखक: Vallejo Huanga, Diego Fernando (author)
• स्वरूप: masterThesis
• भाषा: spa
• प्रकाशित: 2023
• विषय: MÉTODOS MATEMÁTICOS Y SIMULACIÓN NUMÉRICA; RENDIMIENTO COMPUTACIONAL; EVALUACIÓN DE ERRORES; OPTIMIZACIÓN MATEMÁTICA
• ऑनलाइन पहुंच: http://dspace.ups.edu.ec/handle/123456789/26116