Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio

Estudio Sumario

Modelo de Redes Neuronales Recurrentes para el análisis y predicción

de Series Temporales.
Análisis del consumo eléctrico en Sóller y Tenerife como casos de estudio

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella

APSL S.L.

September 22, 2017

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis de Series temporales com redes neuronales recurrentes de tipo LSTM.

Algunas cuestiones interesantes .... ! ! !

• ¿Qué es esto (LSTM)?

• ¿Qué se hace con esto
(LSTM)?
• ¿Cómo funcionan ?

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Overview

1 Series temporales

2 Algunos Modelos Previos

Modelos Auto-regresivos: Mirando su propia historia

3 Una breve intro de una breve intro a las LSTM

Aspectos Generales de las Redes Neuronales

4 Casos de Estudio
Análisis y predicción del consumo eléctrico en Sóller.

5 Sumario

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Series temporales

• ¿ Qué es una serie secuencial ?

Definición
conjunto de datos relacionados, dispuestos en un orden particular ó en una secuencia de .. {..}

ó
Es una lista ordenada de {..}; en esta lista ordenada los puntos son llamadas ”elementos“ o términos de la

secuencia.

Por ejemplo: DNA sequence, evolution prices of market, words of a specific sentence ..

Serie Temporal
Una serie de tiempo es una serie de puntos de datos indexados (o listados o representados gráficamente) en orden

de tiempo. En general, una serie de tiempo es una secuencia de datos tomados en sucesivos puntos igualmente

espaciados en el tiempo (no obligatorio).

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

Algunas técnicas para el análisis y predicción de series temporales

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

Algunas técnicas para el análisis y predicción de series temporales

Modelos Auto-regresivos (enfoque tradicional):

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

Algunas técnicas para el análisis y predicción de series temporales

Modelos Auto-regresivos (enfoque tradicional):

z AR(p) (Autoregressive model)
z ARMA (Autoregressive–moving-average model)
z ARIMA (Autoregressive integrated moving average)
z SARIMA (Seasonal ARIMA models)
z ARCH (Autoregressive conditional heteroskedasticity)
z GARCH (Generalized AutoRegressive Conditional Heteroskedasticity)
z SV (Volatility Forecasting)
z Vectorial ARMA (VAR(p), VMA(q), VARMA(p,q))
z Markovian Proccesses

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

Algunas técnicas para el análisis y predicción de series temporales

Modelos Auto-regresivos (enfoque tradicional):

z AR(p) (Autoregressive model)
z ARMA (Autoregressive–moving-average model)
z ARIMA (Autoregressive integrated moving average)
z SARIMA (Seasonal ARIMA models)
z ARCH (Autoregressive conditional heteroskedasticity)
z GARCH (Generalized AutoRegressive Conditional Heteroskedasticity)
z SV (Volatility Forecasting)
z Vectorial ARMA (VAR(p), VMA(q), VARMA(p,q))
z Markovian Proccesses

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

¿Por qué se deben usar otros enfoques?

Parece que va bien .... ¿No ?

Figure: AR models (ARIMA)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

¿Por qué se deben usar otros enfoques?

“La vida es todo aquello que sucede mientras hacemos planes” ... (John

Lennon)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Modelos Auto-regresivos: Mirando su propia historia

Redes Neuronales Artificiales

¿Por qué Redes Neuronales Artificiales?

Algoritmos de los modelos autoregresivos

Notas importantes Implem. Modelos AR

• Algoritmos muy complejos.
• Requiere análisis de muchos
correlogramas para ACF y ACPF
• Decidir qué modelo emplear (tarea
difı́cil)
• Métodos tradicionales no consideran
influencias externas

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Z=Σi W i x i

Activation function

( y^ )

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Z=Σi W i x i

Activation function

( y^ )
Wl,n
W i,j W j,k Wk,l

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Z=Σi W i x i

Activation function

( y^ )
Wl,n
W i,j W j,k Wk,l

Train

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Algunos aspectos importantes de las Redes Neuronales Artificiales implementada

Redes Neuronales Recurrentes

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Algunos aspectos importantes de las Redes Neuronales Artificiales implementada

Redes Neuronales Recurrentes

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Algunos aspectos importantes de las Redes Neuronales Artificiales implementada

Redes Neuronales Recurrentes

Problemas con Redes Neuronales Recurrentes: Vanishing gradient y Exploding gradient

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Algunos aspectos importantes de las Redes Neuronales Artificiales implementada

Redes Neuronales Recurrentes

Problemas con Redes Neuronales Recurrentes: Vanishing gradient y Exploding gradient

Solución: Redes Neuronales Recurretes de tipo Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Algunos aspectos importantes de las Redes Neuronales Artificiales implementada

Redes Neuronales Recurrentes

Problemas con Redes Neuronales Recurrentes: Vanishing gradient y Exploding gradient

Solución: Redes Neuronales Recurretes de tipo Long Short-Term Memory Network (LSTM)

“La vida no es la que uno vivió, sino la que recuerda y cómo la recuerda para contarla” Gabriel Garcı́a Marquez
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

• Redes Neuronales Recurrente de tipo Long Short-Term Memory

Network (LSTM).

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

• Redes Neuronales Recurrente de tipo Long Short-Term Memory

Network (LSTM).

• Las neuronas en cada capa ahora son un tipo especial de neuronas

( celdas de memoria conectadas entre ellas a través de capas )

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

• Redes Neuronales Recurrente de tipo Long Short-Term Memory

Network (LSTM).

• Las neuronas en cada capa ahora son un tipo especial de neuronas

( celdas de memoria conectadas entre ellas a través de capas )

• Estas celdas de memoria facilitan la tarea de recordar valores para

largos o cortos periodos de tiempo.

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

• Redes Neuronales Recurrente de tipo Long Short-Term Memory

Network (LSTM).

• Las neuronas en cada capa ahora son un tipo especial de neuronas

( celdas de memoria conectadas entre ellas a través de capas )

• Estas celdas de memoria facilitan la tarea de recordar valores para

largos o cortos periodos de tiempo.

• Múltiples entradas (input layer), facilita considerar agentes externos.

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Aspectos Generales de las Redes Neuronales

Redes Neuronales Recurrente Long Short-Term Memory Network (LSTM)

Deep LSTM

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Serie temporal de consumo eléctrico

• Serie temporal del consumo eléctrico por hora en la población de Sóller.
• Periodo analizado: desde 02/11/2015 hasta 30/11/2016 (1 año)
• Serie Temporal del valor de la temperatura por hora en Sóller. (variable externa)
Date Consu. Temperature

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Serie temporal de consumo eléctrico

• Serie temporal del consumo eléctrico por hora en la población de Sóller.
• Periodo analizado: desde 02/11/2015 hasta 30/11/2016 (1 año)
• Serie Temporal del valor de la temperatura por hora en Sóller. (variable externa)

Date Consu. Temperature

7000
Serie from 2015-11-02 to 2016-11-30
Electricity consumption
6000
5000
Kw/h 4000
3000
2000

35
30 Temperature
25
20
oC

15
10
5
0
2 2 4 6 8 0 2
5-1 6-0 6-0 6-0 6-0 6-1 6-1
201 201 2 01 201 201 201 2 01
date
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

De izquierda a derecha:

• Entrada de tamaño fijo hasta salida de tamaño fijo (por ejemplo, clasificación de imagen).

• Salida de secuencia (por ejemplo, el subtı́tulo de imagen toma una imagen y emite una oración de

palabras).

• Entrada de secuencia (por ejemplo, análisis de sentimiento donde una oración determinada se clasifica

como expresión de sentimiento positivo o negativo).

• Entrada de secuencia y salida de secuencia (por ejemplo, Traducción automática: una RNN lee una oración

en inglés y luego emite una oración en francés).

• Entrada y salida de secuencia sincronizada (por ejemplo, clasificación de video en la que deseamos

J. M. Tudurı́, cada
etiquetar G. Rul·lan and J.C.
fotograma González-Avella
del video). Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 x t+1
look_back y1
x look_back+1

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 x t+1
look_back y1
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 x look_back+1

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 x t+1
look_back y1
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 x look_back+1

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 y1 x t+2
look_back y2
x look_back+1

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 x t+1
look_back y1
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 x look_back+1

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 y1 x t+2
look_back y2
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 T*1 x look_back+1

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 x t+1
look_back y1
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 x look_back+1

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 y1 x t+2
look_back y2
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 T*1 x look_back+1

t
x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 y1 y2
x t+3
look_back
y3
T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 T*1 T*2 x look_back+1
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Implementar esta red

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Resultados

look back = 60

6000 Serie from 2016-12-01 00:00:00 to 2016-12-14 23:00:00

Data
Prediction
5000

4000
kWh

3000

2000

2 4 6 8 0 2 4
-12-0 016-12-0 016-12-0 016-12-0 016-12-1 016-12-1 016-12-1
2016 2 2 2 2 2 2
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Resultados

look back = 560

Serie from 2016-12-01 00:00:00 to 2016-12-14 23:00:00

6000 Data
Prediction
5500
5000
4500
4000
kWh

3500
3000
2500
2000
2 4 6 8 0 2 4
-12-0 016-12-0 016-12-0 016-12-0 016-12-1 016-12-1 016-12-1
2016 2 2 2 2 2 2
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Look back = 560

Serie from 2016-12-02 00:00:00 to 2016-12-04 23:00:00

5500 Data
Prediction
+
5000 -
4500

4000
kWh

3500

3000

2500

2000
02 14 02 14 02 14 02
12-02 12-02 12-03 12-03 12-04 12-04 12-05

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Resultados: caso de Tenerife. Look Back = 1024

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Resultados: caso de Tenerife. Look Back = 1024

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Resultados: caso de Tenerife. Look Back = 1024

Serie from 2017-01-01 00:00:00 to 2017-01-14 23:00:00

Data
Prediction
0.5

kWh
0.4

0.3

2 4 6 8 0 2 4
-01-0 -01-0 -01-0 -01-0 -01-1 -01-1 -01-1
2017 2017 2017 2017 2017 2017 2017

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Análisis y predicción del consumo eléctrico en Sóller.

Resultados: caso de Tenerife. Look Back = 1024

Serie from 2017-01-01 00:00:00 to 2017-01-14 23:00:00

Data
Prediction
0.5

kWh
0.4

0.3

2 4 6 8 0 2 4
-01-0 -01-0 -01-0 -01-0 -01-1 -01-1 -01-1
2017 2017 2017 2017 2017 2017 2017

Serie from 2017-01-01 00:00:00 to 2017-01-03 23:00:00

Data
Prediction
+
0.5 -
kWh

0.4

0.3

02 14 02 14 02 14 02
01-01 01-01 01-02 01-02 01-03 01-03 01-04

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario
• Redes Neuronales Recurrente de tipo Long Short-Term Memory
Network (LSTM), como herramienta adicional para la predicción de
series temporales.

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario
• Redes Neuronales Recurrente de tipo Long Short-Term Memory
Network (LSTM), como herramienta adicional para la predicción de
series temporales.

• Las neuronas en cada capa son reemplazadas por celdas de

memoria.

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario
• Redes Neuronales Recurrente de tipo Long Short-Term Memory
Network (LSTM), como herramienta adicional para la predicción de
series temporales.

• Las neuronas en cada capa son reemplazadas por celdas de

memoria.

• Estas celdas de memoria facilitan la tarea de recordar valores para

largos o cortos periodos de tiempo (selección de información en la
memoria).

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario
• Redes Neuronales Recurrente de tipo Long Short-Term Memory
Network (LSTM), como herramienta adicional para la predicción de
series temporales.

• Las neuronas en cada capa son reemplazadas por celdas de

memoria.

• Estas celdas de memoria facilitan la tarea de recordar valores para

largos o cortos periodos de tiempo (selección de información en la
memoria).

• Resuelve el problema del Vanishing gradient y Exploding gradient

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario
• Redes Neuronales Recurrente de tipo Long Short-Term Memory
Network (LSTM), como herramienta adicional para la predicción de
series temporales.

• Las neuronas en cada capa son reemplazadas por celdas de

memoria.

• Estas celdas de memoria facilitan la tarea de recordar valores para

largos o cortos periodos de tiempo (selección de información en la
memoria).

• Resuelve el problema del Vanishing gradient y Exploding gradient

• Múltiples entradas (input layer), facilita considerar agentes externos.

J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM

Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Sumario
• Redes Neuronales Recurrente de tipo Long Short-Term Memory
Network (LSTM), como herramienta adicional para la predicción de
series temporales.

• Las neuronas en cada capa son reemplazadas por celdas de

memoria.

• Estas celdas de memoria facilitan la tarea de recordar valores para

largos o cortos periodos de tiempo (selección de información en la
memoria).

• Resuelve el problema del Vanishing gradient y Exploding gradient

• Múltiples entradas (input layer), facilita considerar agentes externos.

• Gracias al grupo El Gas de Soller por su colaboración en éste

proyecto
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM
Series temporales Algunos Modelos Previos Una breve intro de una breve intro a las LSTM Casos de Estudio Sumario

Gracias por su atención

Preguntas ¿?

web: www.apsl.net
e-mail: info@apsl.net
J. M. Tudurı́, G. Rul·lan and J.C. González-Avella Predicción de series con LSTM