Logo Repositorio Institucional

Please use this identifier to cite or link to this item: http://dspace.ucuenca.edu.ec/handle/123456789/34374
Title: Prediction of imports of household appliances in Ecuador using LSTM networks
Authors: Tello Guerrero, Marco Andres
Izquierdo Torres, Ismael Fernando
Pacheco Portilla, Mario Gustavo
Vanegas Peña, Paul Fernando
metadata.dc.ucuenca.correspondencia: Tello Guerrero, Marco Andres, andres.tello@ucuenca.edu.ec
Keywords: ARIMA
Imports forecasting
LSTM
RNN
Time series forecasting
metadata.dc.ucuenca.areaconocimientofrascatiamplio: 5. Ciencias Sociales
metadata.dc.ucuenca.areaconocimientofrascatidetallado: 5.2.2 Econometría
metadata.dc.ucuenca.areaconocimientofrascatiespecifico: 5.2 Economía y Negocios
metadata.dc.ucuenca.areaconocimientounescoamplio: 05 - Ciencias Físicas, Ciencias Naturales, Matemáticas y Estadísticas
metadata.dc.ucuenca.areaconocimientounescodetallado: 0542 - Estadística
metadata.dc.ucuenca.areaconocimientounescoespecifico: 054 - Matemáticas y Estadística
Issue Date: 2020
metadata.dc.ucuenca.embargoend: 20-May-2050
metadata.dc.ucuenca.volumen: Volumen 1099
metadata.dc.source: Advances in Intelligent Systems and Computing
metadata.dc.identifier.doi: 10.1007/978-3-030-35740-5_14
Publisher: Springer Nature Switzerland AG 2020
metadata.dc.description.city: 
Cuenca
metadata.dc.type: 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.
Description: 
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
metadata.dc.ucuenca.urifuente: https://link.springer.com/bookseries/11156
ISBN: 978-3-030-35739-9, 978-3-030-35740-5
ISSN: 2194-5357
Appears in Collections:Artículos

Files in This Item:
File SizeFormat 
documento.pdf
  Until 2050-05-20
80.27 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Centro de Documentacion Regional "Juan Bautista Vázquez"

Biblioteca Campus Central Biblioteca Campus Salud Biblioteca Campus Yanuncay
Av. 12 de Abril y Calle Agustín Cueva, Telf: 4051000 Ext. 1311, 1312, 1313, 1314. Horario de atención: Lunes-Viernes: 07H00-21H00. Sábados: 08H00-12H00 Av. El Paraíso 3-52, detrás del Hospital Regional "Vicente Corral Moscoso", Telf: 4051000 Ext. 3144. Horario de atención: Lunes-Viernes: 07H00-19H00 Av. 12 de Octubre y Diego de Tapia, antiguo Colegio Orientalista, Telf: 4051000 Ext. 3535 2810706 Ext. 116. Horario de atención: Lunes-Viernes: 07H30-19H00