CARACTERIZACIÓN DEL SOI USANDO ANFIS CON RESIDUALES HETEROCEDÁSTICOS SOI CHARACTERIZATION USING ANFIS WITH HETEROCEDASTIC RESIDUALS
En este trabajo se propone la representación de la dinámica del Índice de Oscilación del Sur usando una nueva clase de modelo híbrido no lineal. En este nuevo modelo, la no-linealidad en la media es representada usando un sistema adaptativo neurodifuso de inferencia (ANFIS), mientras que la varianza...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad de Tarapacá
2007-12-01
|
| Series: | Ingeniare: Revista Chilena de Ingeniería |
| Subjects: | |
| Online Access: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052007000300010 |
| Summary: | En este trabajo se propone la representación de la dinámica del Índice de Oscilación del Sur usando una nueva clase de modelo híbrido no lineal. En este nuevo modelo, la no-linealidad en la media es representada usando un sistema adaptativo neurodifuso de inferencia (ANFIS), mientras que la varianza es representada usando una componente autoregresiva heterocedástica condicional. En adición, una estrategia de especificación es desarrollada para el modelo propuesto, la cual está basada en una batería de pruebas estadísticas. Los resultados indican que el modelo propuesto captura de mejor forma las principales características de la serie de tiempo estudiada, en comparación con otros modelos competitivos.<br>In this paper, we propose the representation of the Southern Oscillation Index (SOI) dynamics using a new class of nonlinear hybrid model. In this new model, the non-linearity in the mean is represented by an adaptive neurofuzzy inference system (ANFIS), while the variance is represented using an autoregressive conditional heterocedastic (ARCH) component. In addition, a specification strategy for the proposed model, which is based on a battery of statistical tests is developed. The results indicate that the proposed model captures in a better way the main features of the studied time series, when compared to other competitive models. |
|---|---|
| ISSN: | 0718-3291 0718-3305 |