Resumen
Redes neuronales artificiales aplicadas a la previsión de series temporales. El presente estudio ofrece una descripción y una comparación de los principales modelos de Redes Neuronales Artificiales (RNA) que han demostrado ser de utilidad en la previsión de series temporales, así como un procedimiento estándar para la aplicación práctica de las RNA en este tipo de tareas. Se analizan los modelos Perceptrón Multicapa (MLP), Funciones de Base Radial (RBF), Red Neuronal de Regresión Generalizada (GRNN) y Redes Neuronales Recurrentes (RNN). Para ello, se ha utilizado una serie temporal compuesta por 244 puntos temporales. El estudio comparativo establece que el error cometido por los cuatro modelos de red analizados es inferior al 10%. De acuerdo con los criterios de interpretación de este desempeño, se puede concluir que los modelos de red presentan un alto ajuste en su capacidad de previsión. El modelo con mejor rendimiento es el RBF, seguido del RNN y MLP. El modelo GRNN es el que presenta peor rendimiento. Finalmente, se analizan las ventajas y limitaciones de las RNA, las posibles soluciones a tales limitaciones, así como una orientación de las líneas de investigación futuras.
