En el presente trabajo se proponen dos modelos de predicción basados en valores singulares para series de tiempo no estacionarias. Los Modelos de Predicción hacen uso de valores históricos de capturas de mensuales de anchoveta y sardinas durante los años 1963 al 2007 y de 1976 al 2007 respectivamente, ambos modelos utilizan una técnica de extracción de componentes basada en la matriz Hankel y su descomposición de valores singulares, que permite separar la serie original en dos componentes: una de alta frecuencia, y otra de baja frecuencia, la cuales son utilizadas para la predicción de la serie original. Según los resultados obtenidos nos indican una mejora para ambos modelos respecto al Modelo Convencional(ARM), en base a métricas de bondad, requiriendo entre 7 y 8 datos previos de las series históricas para lograr un coeficiente de determinación por sobre el 98%, con errores relativos menores al 2%
Tesis
En el presente trabajo se proponen dos modelos de predicción basados en valores singulares para series de tiempo no estacionarias. Los Modelos de Predicción hacen uso de valores históricos de capturas de mensuales de anchoveta y sardinas durante los años 1963 al 2007 y de 1976 al 2007 respectivamente, ambos modelos utilizan una técnica de extracción de componentes basada en la matriz Hankel y su descomposición de valores singulares, que permite separar la serie original en dos componentes: una de alta frecuencia, y otra de baja frecuencia, la cuales son utilizadas para la predicción de la serie original. Según los resultados obtenidos nos indican una mejora para ambos modelos respecto al Modelo Convencional(ARM), en base a métricas de bondad, requiriendo entre 7 y 8 datos previos de las series históricas para lograr un coeficiente de determinación por sobre el 98%, con errores relativos menores al 2%
Magíster en Ingeniería Informática