Mostrar el registro sencillo del ítem

Ponencia

dc.creatorMartínez-Álvarez, F.es
dc.creatorTroncoso, Antonioes
dc.creatorRiquelme Santos, José Cristóbales
dc.creatorRiquelme Santos, Jesús Manueles
dc.date.accessioned2021-12-01T18:21:13Z
dc.date.available2021-12-01T18:21:13Z
dc.date.issued2007
dc.identifier.citationMartínez-Álvarez, F., Troncoso, A., Riquelme Santos, J.C. y Riquelme Santos, J.M. (2007). Aplicación de Técnicas de Clustering a la Serie Temporal de los Precios de la Energía en el Mercado Eléctrico. En Taller de minería de datos y aprendizaje: TAMIDA Zaragoza, España: Thomson.
dc.identifier.isbn978-84-9732-602-5es
dc.identifier.urihttps://hdl.handle.net/11441/127921
dc.description.abstractLa principal tarea de las técnicas de clustering es formar grupos de elementos que presenten una conducta similar a partir de una base de datos. Se trata de generar un modelo capaz de simular el comportamiento del sistema de la manera más precisa posible. Así, en primer lugar, se procede a extraer el conocimiento necesario del sistema para, en segunda instancia, buscar los patrones capaces de conservar la información original y conseguir de este modo un modelo válido de descripción del sistema. En este trabajo se presentan dos técnicas de clustering particionales ampliamente conocidas, K-means y Expectation Maximization, para el análisis de la serie temporal de los precios de la energía eléctrica. Se demuestra que aplicar dichas técnicas resulta efectivo a la hora de dividir un año completo en diferentes grupos de días. Concretamente, se distinguen dos tipos de clusters fundamentales: los que identifican a los días laborables y aquellos que representan a los días festivos y los fines de semana. Igualmente resaltable es la similitud mostrada en el comportamiento de los días pertenecientes a una misma estación.es
dc.description.sponsorshipMinisterio de Ciencia y Tecnología TIN2004-00159es
dc.description.sponsorshipMinisterio de Ciencia y Tecnología ENE2004-03342es
dc.description.sponsorshipJunta de Andalucía P05-TIC-00531es
dc.formatapplication/pdfes
dc.format.extent10 p.es
dc.language.isospaes
dc.publisherThomsones
dc.relation.ispartofTaller de minería de datos y aprendizaje: TAMIDA (2007).
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectClusteringes
dc.subjectMercado eléctricoes
dc.subjectEnergíaes
dc.titleAplicación de Técnicas de Clustering a la Serie Temporal de los Precios de la Energía en el Mercado Eléctricoes
dc.typeinfo:eu-repo/semantics/conferenceObjectes
dcterms.identifierhttps://ror.org/03yxnpp24
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.contributor.affiliationUniversidad de Sevilla. Departamento de Ingeniería Eléctricaes
dc.contributor.affiliationUniversidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticoses
dc.relation.projectIDTIN2004-00159es
dc.relation.projectIDENE2004-03342es
dc.relation.projectIDP05-TIC-00531es
dc.relation.publisherversionhttp://www.lsi.us.es/redmidas/CEDI07/index.htmles
dc.eventtitleTaller de minería de datos y aprendizaje: TAMIDAes
dc.eventinstitutionZaragoza, Españaes
dc.identifier.sisius5502539es

FicherosTamañoFormatoVerDescripción
TAMIDA07_v2.pdf381.5KbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional