Short-term rainfall time series prediction with incomplete data

Autores
Rodriguez Rivero, Cristian; Patiño, Hector Daniel; Pucheta, Julian Antonio
Año de publicación
2015
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. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Hector Daniel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
In order to predict short-term times series with incomplete data, a proposed approach is presented based on the energy associated of series. A benchmark of rainfall time series and Mackay Glass (MG) samples are used. An average smoothing technique is adopted to complete the dataset. The structure of the predictor filter is changed taking into account the energy associated of the short series. The H parameter is used to estimate the roughness of the complete series, the real and forecasted one. The next 15 values are used as validation and horizon of the time series presented by series of cumulative monthly historical rainfall from La Sevillana, Cordoba, Argentina and samples of the Mackay Glass (MG) differential equation. The performance of the proposed filter shows that even the short dataset is incomplete, besides a linear smoothing technique employed, the prediction is almost fair. Although the major result shows that the predictor system based on energy associated to series has an optimal performance from several samples of MG equations and, in particular, MG1.6 and SEV rainfall time series, this method provides a good estimation when the short-term series are taken from one point observations.
http://dx.doi.org/10.1109/IJCNN.2015.7280315
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Hector Daniel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Sistemas de Automatización y Control
Materia
Benchmark testing
Smoothing methods
Energy associated to series
Nonlinear systems
Datos incompletos
Lluvia
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:11086/550244
Acceder
id RDUUNC_7e74a750da6c2387b03769d6d287e303
oai_identifier_str oai:rdu.unc.edu.ar:11086/550244
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Short-term rainfall time series prediction with incomplete dataRodriguez Rivero, CristianPatiño, Hector DanielPucheta, Julian AntonioBenchmark testingSmoothing methodsEnergy associated to seriesNonlinear systemsDatos incompletosLluviaFil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Patiño, Hector Daniel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina.Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.In order to predict short-term times series with incomplete data, a proposed approach is presented based on the energy associated of series. A benchmark of rainfall time series and Mackay Glass (MG) samples are used. An average smoothing technique is adopted to complete the dataset. The structure of the predictor filter is changed taking into account the energy associated of the short series. The H parameter is used to estimate the roughness of the complete series, the real and forecasted one. The next 15 values are used as validation and horizon of the time series presented by series of cumulative monthly historical rainfall from La Sevillana, Cordoba, Argentina and samples of the Mackay Glass (MG) differential equation. The performance of the proposed filter shows that even the short dataset is incomplete, besides a linear smoothing technique employed, the prediction is almost fair. Although the major result shows that the predictor system based on energy associated to series has an optimal performance from several samples of MG equations and, in particular, MG1.6 and SEV rainfall time series, this method provides a good estimation when the short-term series are taken from one point observations.http://dx.doi.org/10.1109/IJCNN.2015.7280315Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Patiño, Hector Daniel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina.Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Sistemas de Automatización y Control2015info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/550244enginfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-10-16T09:28:37Zoai:rdu.unc.edu.ar:11086/550244Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-10-16 09:28:37.428Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Short-term rainfall time series prediction with incomplete data
title Short-term rainfall time series prediction with incomplete data
spellingShingle Short-term rainfall time series prediction with incomplete data
Rodriguez Rivero, Cristian
Benchmark testing
Smoothing methods
Energy associated to series
Nonlinear systems
Datos incompletos
Lluvia
title_short Short-term rainfall time series prediction with incomplete data
title_full Short-term rainfall time series prediction with incomplete data
title_fullStr Short-term rainfall time series prediction with incomplete data
title_full_unstemmed Short-term rainfall time series prediction with incomplete data
title_sort Short-term rainfall time series prediction with incomplete data
dc.creator.none.fl_str_mv Rodriguez Rivero, Cristian
Patiño, Hector Daniel
Pucheta, Julian Antonio
author Rodriguez Rivero, Cristian
author_facet Rodriguez Rivero, Cristian
Patiño, Hector Daniel
Pucheta, Julian Antonio
author_role author
author2 Patiño, Hector Daniel
Pucheta, Julian Antonio
author2_role author
author
dc.subject.none.fl_str_mv Benchmark testing
Smoothing methods
Energy associated to series
Nonlinear systems
Datos incompletos
Lluvia
topic Benchmark testing
Smoothing methods
Energy associated to series
Nonlinear systems
Datos incompletos
Lluvia
dc.description.none.fl_txt_mv Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Hector Daniel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
In order to predict short-term times series with incomplete data, a proposed approach is presented based on the energy associated of series. A benchmark of rainfall time series and Mackay Glass (MG) samples are used. An average smoothing technique is adopted to complete the dataset. The structure of the predictor filter is changed taking into account the energy associated of the short series. The H parameter is used to estimate the roughness of the complete series, the real and forecasted one. The next 15 values are used as validation and horizon of the time series presented by series of cumulative monthly historical rainfall from La Sevillana, Cordoba, Argentina and samples of the Mackay Glass (MG) differential equation. The performance of the proposed filter shows that even the short dataset is incomplete, besides a linear smoothing technique employed, the prediction is almost fair. Although the major result shows that the predictor system based on energy associated to series has an optimal performance from several samples of MG equations and, in particular, MG1.6 and SEV rainfall time series, this method provides a good estimation when the short-term series are taken from one point observations.
http://dx.doi.org/10.1109/IJCNN.2015.7280315
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Hector Daniel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
Fil: Pucheta, Julian Antonio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Sistemas de Automatización y Control
description Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a Control; Argentina.
publishDate 2015
dc.date.none.fl_str_mv 2015
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/11086/550244
url http://hdl.handle.net/11086/550244
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_ 1846143334425296896
score 12.712165

Publicaciones similares