Revista de Ingeniería Eléctrica y Tecnología Electrónica

Enfoque neurodifuso para la previsión tecnoeconómica

Dolores De Groff, Mohammad Dabbas y Perambur Neelakanta

En este artículo se propone un motor de inferencia difusa (FIE) destinado a determinar detalles de pronósticos ex ante sobre una variable dependiente y, con base en un conjunto de información ex post recopilada sobre y en contextos tecnoeconómicos. El FIE construido a partir de él se ajusta a una red neuronal artificial (ANN), y el resultado de la ANN deducido produce el pronóstico sobre la evolución temporal de y(t) en el marco temporal ex ante (t) en relación con un conjunto de datos ex post disponibles. Sin embargo, los datos ex post disponibles son escasos e inadecuados para un pronóstico robusto. Por lo tanto, primero se mejora su cardinalidad y se obtiene un número suficiente de dichos conjuntos como pseudorreplicas mediante un arranque estadístico. Luego, la ANN de prueba utiliza estas pseudorreplicas como entradas de entrenamiento para cronogramas de predicción/pronóstico robustos. Además, los conjuntos pseudorreplicados se consideran superpuestos y, por lo tanto, difusos. Por lo tanto, la ANN de prueba adoptada es relevante para la realización de un FIE. Se utiliza un conjunto de datos tecnoeconómicos del mundo real sobre detalles de instalaciones y ventas de ADSL en un centro de cableado de una empresa de telecomunicaciones (telco) para probar la eficacia de la FIE propuesta y validar el método de pronóstico descrito.