Por favor, use este identificador para citar o enlazar este ítem:
https://dspace.ucuenca.edu.ec/handle/123456789/34374
| Título : | Prediction of imports of household appliances in Ecuador using LSTM networks |
| Autor: | Tello Guerrero, Marco Andres
Izquierdo Torres, Ismael Fernando
Pacheco Portilla, Mario Gustavo
Vanegas Peña, Paúl Fernando |
| Correspondencia: | Tello Guerrero, Marco Andres, andres.tello@ucuenca.edu.ec |
| Palabras clave : | ARIMA
Imports forecasting
LSTM
RNN
Time series forecasting |
| Área de conocimiento FRASCATI amplio: | 5. Ciencias Sociales |
| Área de conocimiento FRASCATI detallado: | 5.2.2 Econometría |
| Área de conocimiento FRASCATI específico: | 5.2 Economía y Negocios |
| Área de conocimiento UNESCO amplio: | 05 - Ciencias Físicas, Ciencias Naturales, Matemáticas y Estadísticas |
| ÁArea de conocimiento UNESCO detallado: | 0542 - Estadística |
| Área de conocimiento UNESCO específico: | 054 - Matemáticas y Estadística |
| Fecha de publicación : | 2020 |
| Fecha de fin de embargo: | 20-may-2050 |
| Volumen: | Volumen 1099 |
| Fuente: | Advances in Intelligent Systems and Computing |
| metadata.dc.identifier.doi: | 10.1007/978-3-030-35740-5_14 |
| Editor: | Springer Nature Switzerland AG 2020 |
| Ciudad: | Cuenca |
| Tipo: | ARTÍCULO DE CONFERENCIA |
| Abstract: | Time series forecasting is an important topic widely addressed with traditional statistical models such as regression, and moving average. This work uses the state-of-the-art Long Short-Term Memory (LSTM) Networks to predict Ecuadorian imports of Home Appliances, and to compare the results against those obtained by traditional methods. First, an ARIMA model was used to forecast imports data. Then, the predictions were calculated by a Univariate LSTM network. The time series used in both experiments was the monthly average of imports from 1996 to April 2019. In addition, time series of GDP Growth, Population, and Inflation were included in the model to test prediction improvements. The performance of the models was assessed comparing the Mean Squared, Root Mean Square and Mean Absolute Error metrics. The results show that a LSTM network produces a better fit of the imports data and improved predictions compared against those produced by the ARIMA model. Furthermore, the use of multivariate time series (i.e., GDP Growth, Population, Inflation) data, for the LSTM model, did not produce significant improvements compared to the univariate imports time series. |
| Resumen : | El pronóstico de series de tiempo es un tema importante ampliamente abordado con modelos estadísticos tradicionales como la regresión y el promedio móvil. Este trabajo utiliza las redes de última generación de memoria a corto plazo (LSTM) para predecir las importaciones ecuatorianas de electrodomésticos y comparar los resultados con los obtenidos por los métodos tradicionales. Primero, se utilizó un modelo ARIMA para pronosticar datos de importaciones. Luego, las predicciones fueron calculadas por una red Univariate LSTM. La serie de tiempo utilizada en ambos experimentos fue el promedio mensual de importaciones desde 1996 hasta abril de 2019. Además, se incluyeron series de tiempo de crecimiento del PIB, población e inflación en el modelo para probar las mejoras de predicción. El rendimiento de los modelos se evaluó comparando las métricas de Cuadrado medio, Cuadrado medio cuadrático y Error absoluto medio. Los resultados muestran que una red LSTM produce un mejor ajuste de los datos de importación y mejores predicciones en comparación con las producidas por el modelo ARIMA. Además, el uso de series de tiempo multivariadas (es decir, datos de crecimiento del PIB, población, inflación), para el modelo LSTM, no produjo mejoras significativas en comparación con las series de tiempo de importaciones univariadas. |
| URI : | https://www.scopus.com/inward/record.uri?eid=2-s2.0-85076570416&doi=10.1007%2f978-3-030-35740-5_14&partnerID=40&md5=9146a6bd9742971737402aaffea6f2ec |
| URI Fuente: | https://link.springer.com/bookseries/11156 |
| ISBN : | 978-3-030-35739-9, 978-3-030-35740-5 |
| ISSN : | 2194-5357 |
| Aparece en las colecciones: | Artículos
|
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
