Artículos de revistas
Forecasting of Multiple Points in Time Series with Support Vector Machines
Predicción de Múltiples Puntos de Series de Tiempo Utilizando Support Vector Machines
Autor
BAUTISTA THOMPSON, E.
FIGUEROA NAZUNO, J.
GUZMÁN RAMIREZ, E.
Institución
Resumen
THIS PAPER PRESENTS THE EVALUATION OF THE FORECASTING FOR MULTIPLE POINTS IN TIME SERIES, BY MEANS OF SUPPORT VECTOR MACHINES (SVM) WITH A SHIFTING WINDOW AND TWO DIFFERENT KERNEL FUNCTIONS (LINEAR AND RADIAL BASIS). THE EVALUATION WAS MADE WITH A SET OF 30 TIME SERIES FROM DIFFERENT ORIGINS AND DYNAMICS. THE RESULTS SHOW THAT SVM HAS A GOOD CAPABILITY FOR THE ADAPTATION TO DIFFERENT TIME SERIES DYNAMICS, AND ALSO PRESENTS A GOOD PERFORMANCE FOR THE FORECASTING OF THE FIRST POINTS OF THE TIME SERIES USING THE RADIAL BASIS KERNEL FUNCTION, IN SPITE OF THE EXPANSION OF THE FORECAST ERROR. SE PRESENTA LA EVALUACIÓN DE LA PREDICCIÓN DE MÚLTIPLES PUNTOS DE SERIES DE TIEMPO, MEDIANTE UN CORRIMIENTO DE VENTANA PARA SUPPORT VECTOR MACHINES (SVM) CON DOS FUNCIONES DE KERNEL DISTINTAS (LINEAL Y CON BASE RADIAL). PARA LA EVALUACIÓN SE UTILIZÓ UN CONJUNTO DE TREINTA SERIES DE DIFERENTE ORIGEN Y COMPORTAMIENTO DINÁMICO. SE ENCUENTRA QUE LA SVM POSEE UNA BUENA CAPACIDAD PARA AJUSTARSE A LAS DIFERENTES DINÁMICAS DE LAS SERIES DE TIEMPO Y PRESENTA UN BUEN DESEMPEÑO PARA LA PREDICCIÓN DE LOS PRIMEROS PUNTOS DE LAS SERIES UTILIZANDO LA FUNCIÓN DE KERNEL RADIAL, A PESAR DEL PROCESO DE EXPANSIÓN DEL ERROR DE PREDICCIÓN.