Time-series Prediction with BEMCA Approach: application to short rainfall series

Autores
Rodríguez Rivero, Cristian; Tupac, Yvan; Pucheta, Julian; Juarez, Gustavo; Franco, Leonardo; Otaño, Paula
Año de publicación
2017
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Tupac, Yvan. Universidad Catolica San Pablo. Departamento de Ciencias de la Computación; Brasil.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juarez, Gustavo. Universidad Nacional de Tucumán. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Franco, Leonardo. Universidad de Málaga. Departamento de Ciencias de la Computación; España.
Fil: Otaño, Paula. Universidad Tecnológica Nacional. Departamento de Ingeniería en Sistemas; Argentina.
This paper presents a new method to forecast short rainfall time-series. The new framework is by means of Bayesian enhanced modified combined approach (BEMCA) using permutation and relative entropy with Bayesian inference. The aim at the proposed filter is focused on short datasets consisting of at least 36 samples. The structure of the artificial neural networks (ANNs) change according to data model selected, such as the Bayesian approach can be combined with the entropic information of the series. Then computational results are assessed on time series competition and rainfall series, afterwards they are compared with ANN nonlinear approaches proposed in recent work and naïve linear technique such us ARMA. To show a better performance of BEMCA filter, results are analyzed in their forecast horizons by SMAPE and RMSE indices. BEMCA filter shows an increase of accuracy in 3-6 prediction horizon analyzing the dynamic behavior of chaotic series for short series predictions.
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Tupac, Yvan. Universidad Catolica San Pablo. Departamento de Ciencias de la Computación; Brasil.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juarez, Gustavo. Universidad Nacional de Tucumán. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Franco, Leonardo. Universidad de Málaga. Departamento de Ciencias de la Computación; España.
Fil: Otaño, Paula. Universidad Tecnológica Nacional. Departamento de Ingeniería en Sistemas; Argentina.
Sistemas de Automatización y Control
Materia
Forecasting
Relative entropy
Permutation entropy
Ingeniería electrónica
Inteligencia Artificial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/557243
Acceder
id RDUUNC_70a69e442a094bf4fc8c1db5acba6e76
oai_identifier_str oai:rdu.unc.edu.ar:11086/557243
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Time-series Prediction with BEMCA Approach: application to short rainfall seriesRodríguez Rivero, CristianTupac, YvanPucheta, JulianJuarez, GustavoFranco, LeonardoOtaño, PaulaForecastingRelative entropyPermutation entropyIngeniería electrónicaInteligencia ArtificialFil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Tupac, Yvan. Universidad Catolica San Pablo. Departamento de Ciencias de la Computación; Brasil.Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Juarez, Gustavo. Universidad Nacional de Tucumán. Laboratorio de Inteligencia Artificial; Argentina.Fil: Franco, Leonardo. Universidad de Málaga. Departamento de Ciencias de la Computación; España.Fil: Otaño, Paula. Universidad Tecnológica Nacional. Departamento de Ingeniería en Sistemas; Argentina.This paper presents a new method to forecast short rainfall time-series. The new framework is by means of Bayesian enhanced modified combined approach (BEMCA) using permutation and relative entropy with Bayesian inference. The aim at the proposed filter is focused on short datasets consisting of at least 36 samples. The structure of the artificial neural networks (ANNs) change according to data model selected, such as the Bayesian approach can be combined with the entropic information of the series. Then computational results are assessed on time series competition and rainfall series, afterwards they are compared with ANN nonlinear approaches proposed in recent work and naïve linear technique such us ARMA. To show a better performance of BEMCA filter, results are analyzed in their forecast horizons by SMAPE and RMSE indices. BEMCA filter shows an increase of accuracy in 3-6 prediction horizon analyzing the dynamic behavior of chaotic series for short series predictions.Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Tupac, Yvan. Universidad Catolica San Pablo. Departamento de Ciencias de la Computación; Brasil.Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Juarez, Gustavo. Universidad Nacional de Tucumán. Laboratorio de Inteligencia Artificial; Argentina.Fil: Franco, Leonardo. Universidad de Málaga. Departamento de Ciencias de la Computación; España.Fil: Otaño, Paula. Universidad Tecnológica Nacional. Departamento de Ingeniería en Sistemas; Argentina.Sistemas de Automatización y Control2017info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/557243enginfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:32:07Zoai:rdu.unc.edu.ar:11086/557243Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:32:08.752Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Time-series Prediction with BEMCA Approach: application to short rainfall series
title Time-series Prediction with BEMCA Approach: application to short rainfall series
spellingShingle Time-series Prediction with BEMCA Approach: application to short rainfall series
Rodríguez Rivero, Cristian
Forecasting
Relative entropy
Permutation entropy
Ingeniería electrónica
Inteligencia Artificial
title_short Time-series Prediction with BEMCA Approach: application to short rainfall series
title_full Time-series Prediction with BEMCA Approach: application to short rainfall series
title_fullStr Time-series Prediction with BEMCA Approach: application to short rainfall series
title_full_unstemmed Time-series Prediction with BEMCA Approach: application to short rainfall series
title_sort Time-series Prediction with BEMCA Approach: application to short rainfall series
dc.creator.none.fl_str_mv Rodríguez Rivero, Cristian
Tupac, Yvan
Pucheta, Julian
Juarez, Gustavo
Franco, Leonardo
Otaño, Paula
author Rodríguez Rivero, Cristian
author_facet Rodríguez Rivero, Cristian
Tupac, Yvan
Pucheta, Julian
Juarez, Gustavo
Franco, Leonardo
Otaño, Paula
author_role author
author2 Tupac, Yvan
Pucheta, Julian
Juarez, Gustavo
Franco, Leonardo
Otaño, Paula
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Forecasting
Relative entropy
Permutation entropy
Ingeniería electrónica
Inteligencia Artificial
topic Forecasting
Relative entropy
Permutation entropy
Ingeniería electrónica
Inteligencia Artificial
dc.description.none.fl_txt_mv Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Tupac, Yvan. Universidad Catolica San Pablo. Departamento de Ciencias de la Computación; Brasil.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juarez, Gustavo. Universidad Nacional de Tucumán. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Franco, Leonardo. Universidad de Málaga. Departamento de Ciencias de la Computación; España.
Fil: Otaño, Paula. Universidad Tecnológica Nacional. Departamento de Ingeniería en Sistemas; Argentina.
This paper presents a new method to forecast short rainfall time-series. The new framework is by means of Bayesian enhanced modified combined approach (BEMCA) using permutation and relative entropy with Bayesian inference. The aim at the proposed filter is focused on short datasets consisting of at least 36 samples. The structure of the artificial neural networks (ANNs) change according to data model selected, such as the Bayesian approach can be combined with the entropic information of the series. Then computational results are assessed on time series competition and rainfall series, afterwards they are compared with ANN nonlinear approaches proposed in recent work and naïve linear technique such us ARMA. To show a better performance of BEMCA filter, results are analyzed in their forecast horizons by SMAPE and RMSE indices. BEMCA filter shows an increase of accuracy in 3-6 prediction horizon analyzing the dynamic behavior of chaotic series for short series predictions.
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Tupac, Yvan. Universidad Catolica San Pablo. Departamento de Ciencias de la Computación; Brasil.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juarez, Gustavo. Universidad Nacional de Tucumán. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Franco, Leonardo. Universidad de Málaga. Departamento de Ciencias de la Computación; España.
Fil: Otaño, Paula. Universidad Tecnológica Nacional. Departamento de Ingeniería en Sistemas; Argentina.
Sistemas de Automatización y Control
description Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
publishDate 2017
dc.date.none.fl_str_mv 2017
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/557243
url http://hdl.handle.net/11086/557243
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1842349631713837056
score 13.13397

Publicaciones similares