Algoritmos para la predicción de series temporales basados en modelos deterministas de baja dimensión

Resumen

EN ESTE TRABAJO SE PONE DE MANIFIESTO LA IMPORTANCIA QUE TIENE PARA LA PREDICCION DE SERIES TEMPORALES LA CONSTRUCCION DE MODELOS MEDIANTE UNA OPTIMA RECONSTRUCCION DEL ESPACIO DE ESTADOS, SE HACE UNA DESCRIPCION DETALLADA DE LOS METODOS EXISTENTES PARA RECONSTRUIR EL ESPACIO DE ESTADOS EXPLICANDO SUS VENTAJAS Y LIMITACIONES. SE PROPONE LA ESTIMACION PROMEDIO DEL PRODUCTO ESCALAR DE LOS VECTORES DE CAMPO COMO UNA ALTERNATIVA ROBUSTA Y SENCILLA, QUE PERMITE OBTENER LA RECONSTRUCCION OPTIMA CUANDO OTROS METODOS NO MUESTRAN INDICIOS DE UNA ADECUADA RECONSTRUCCION. TAMBIEN SE PROPONE UN ALGORITMO EFICIENTE PARA LLEVAR A CABO LA ESTIMACION DE P. SE ANALIZAN DIFERENTES METODOS DE RECONSTRUCCION DE MODELOS GLOBALES Y SE PROPONE UN NUEVO METODO PARA LA PREDICCION DE SERIES TEMPORALES MEDIANTE REDES NEURONALES EN FORMATO RICATTI. SE PROPONE UNA METODOLOGIA GENERAL QUE PUEDE SER APLICADA A CUALQUIER SERIE TEMPORAL. ESTA ES UTILIZADA PARA EL CONTROL DE UNA PLANTA PETROQUIMICA.