Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm

Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm

Una red neuronal artificial fue utilizada para la predicciðn de datos de la velocidad de viento a largo plazo (24 y 48 horas en adelanto) en la Ciudad de La Serena (Chile). Para obtener una efectiva correlaciðn y prediciðn, se implementð una optimizaciðn de enjambre de particulas para actualizar los...

Full description

Saved in:
Bibliographic Details
Other Authors: Lazzœs Juan A., Salfate Ignacio, Universidad Nacional de Colombia. Departamento de Geociencias
Format: Book
Language:English
Subjects:
Ciencias de la tierra
Meteorologéa
Climatología
Earth sciences
Meteorology
Climatology
Velocidad del viento
Predicciðn de series de tiempo
Redes neuronales artificiales
Optimizaciðn de enjambre de partículas
Wind speed
Time series forecasting
Artificial neural network
Particle swarm optimization
Meteorological data
Online Access:Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Una red neuronal artificial fue utilizada para la predicciðn de datos de la velocidad de viento a largo plazo (24 y 48 horas en adelanto) en la Ciudad de La Serena (Chile). Para obtener una efectiva correlaciðn y prediciðn, se implementð una optimizaciðn de enjambre de particulas para actualizar los pesos de la red. Se emplearon 43800 datos de velocidad de viento (aæos 2003-2007), y los valores pasados de velocidad del viento, humedad relativa y temperatura del aire fueron utilizados como parÆmetros de entrada, considerando que estos parÆmetros meteorolðgicos se encuentran fÆcilmente disponibles en todo el mundo. Se estudiaron varias arquitecturas de redes neuronales y la arquitectura optima se determine aæadiendo neuronas de forma sistemÆtica y evaluando la raíz del error cuadrÆtico medio (RMSE) durante el proceso de aprendizaje. Los resultados muestran que las variables meteorolðgicas utilizadas como parÆmetros de entrada, tienen un efecto positivo sobre el correcto entrenamiento y capacidades predictivas de la red, y que la red neural híbrida puede pronosticar la velocidad del viento horaria con una precisiðn aceptable, como un RMSE=0.81 [m·sВ1], MSE=0.65 [m·sВ1] 2 y R2 =0.97 para la predicciðn de la velocidad del viento de 24 horas en adelanto, y un RMSE=0.78, MSE=0.634 [m·sВ1] 2 and R2 =0.97 para la predicciðn de la velocidad del viento de 48 horas en adelanto.
ISBN:1794-6190 (versiðn impresa) ; 2339-3459 (versiðn online)

Similar Items