COMPARACIÓN DE MÉTODOS NO LINEALES EN LA PREDICCIÓN DE SERIES TEMPORALES RUIDOSAS

Abstract

Se discute la performance de métodos globales (redes neuronales) y locales (aproximación de hiperplano local) en la predicción de series temporales caóticas afectadas por ruido. Se investiga el deterioro de la performance de estos métodos en función de la longitud y la relación señal-ruido del registro histórico. Usando el mapa logístico y la ecuación de Mackey-Glass como ejemplos, se concluye que los métodos locales, que habían demostrado ser competitivos ante las redes neuronales  para series puras, resultan mucho más sensibles a la presencia de ruido.