Modelos estocásticos ARIMA para predicción de variables energéticas

Autores/as

  • Salomé Gonzáles Chávez Facultad de Ingeniería Mecánica, Universidad Nacional de Ingeniería. Lima, Perú

DOI:

https://doi.org/10.21754/tecnia.v9i1.443

Palabras clave:

Estocáticos, modelos, análisis univariante de series temporales, modelo autorregresivo integrado de promedio móvil, variables energéticas, planificación energetica

Resumen

El análisis univariante de series temporales ARIMA (Autoregressive lntegrated Moving Average), basado en que una serie temporal obedece a un proceso estocástico, se ha utilizado para describir y predecir el comportamiento futuro de las series energéticas de mayor representatividad dentro la oferta y consumo de energía en el Principado de Asturias- España. En primer lugar, cada una de estas variables se han contabilizado mensualmente desde 1980 hasta 1996. De acuerdo a las características de cada serie - poseen tendencia, estacionalidad y el tamaño muestral suficiente - se procede a calcular qué modelo ARIMA univariante describe mejor a cada una de ellas. La aplicación de esta metodología consiste en calcular las predicciones de las principales variables energéticas de Asturias. Los resultados obtenidos han alcanzado un alto nivel de aproximación predictiva los cuales sirven como elementos de referencia en el proceso de Planificación Energética de Asturias.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

[1] Box, G.E.P. and Jenkins, G.M. Time Series Analysis: Forecasting and Control, Holden Day, San Francisco (1976).

[2] Gonzáles Chávez, S. Análisis Histórico y Perspectiva del Carbón para Uso Energético en Asturias, Universidad de Oviedo, España (1997).

[3] Gonzáles Chávez, S. El carbón como Fuente de Energía y su Influencia en los Balances Energético de Asturias, Universidad de Oviedo, España (1995).

[4] Jenkins, G.M. Practical Experiences with Modelling and Forecasting time Series, Gwilym Jenkins and Partners, San Francisco (1979).

[5] Parzen, E. Procesos Estocásticos, Paraninfo, Madrid (1972).

[6] Statistical Package for Social Sciences, SPSS Trends, Chicago (1996).

[7] Statistical Graphics Systems, STATGRAPHICS User Guide. Cambridge (1993).

[8] Scientific Computing Associates, SCA Reference Manual for Forescasting and Time Series Analysis. Chicago (1996).

[9] Vandaele, W. Applied Time Series and Box-Jenkins Models, A. Press, N.Y. (1983).

Descargas

Publicado

1999-06-01

Cómo citar

[1]
S. Gonzáles Chávez, «Modelos estocásticos ARIMA para predicción de variables energéticas», TEC, vol. 9, n.º 1, pp. 81–87, jun. 1999.

Número

Sección

Artículos

Artículos más leídos del mismo autor/a