Estimativa de dados faltantes em séries temporais de radiação global através de algotitmos de redes neurais

In data processing time series of meteorological data problems, you are incomplete in some time intervals; it addresses the issue commonly using the autoregressive integrated moving average (ARIMA) or the method by regression analysis (interpolation), both with certain limitations under particular conditions. This paper presents the results of an investigation aimed at solving the problem using neural networks reported. The analysis of a time series of global radiation obtained at the Francisco de Paula Santander University (UFPS) is presented, with basis in the recorded data by the weather station attached to the Department of Fluids and Thermals. Having a series of ten-year study for 125,658 records of temperature, radiation and energy with a percentage of 9.98 missing data, which were duly cleared and completed by a neural network using algorithms backpropagation in the mathematical software MATLABEn el tratamiento de datos de series de tiempo meteorológicas se encuentran problemas de datos incompletos en algunos intervalos de tiempo; el problema se aborda comúnmente utilizando el modelo auto-regresivo de media móvil (ARIMA) o el método por análisis de regresión (interpolación), ambos con ciertas limitaciones en condiciones particulares. En este documento se reportan los resultados de una investigación dirigida a resolver el problema utilizando redes neuronales. Se presenta el análisis efectuado a una serie histórica de radiación global obtenida en la Universidad Francisco de Paula Santander (Cúcuta, Colombia), con base en los datos registrados por su estación meteorológica, a partir de una serie de estudio de diez años (125.658 registros de temperatura, radiación y energía), con 9.98% datos faltantes. Los datos fueron debidamente depurados y completados mediante algoritmos de redes neuronales tipo backpropagation usando el software matemático MATLAB.No tratamento de dados de séries de tempo meteorológicas encontram-se problemas de dados incompletos em alguns intervalos de tempo; o problema é abordado geralmente usando o modelo auto-regressivo integrado de média móvel (ARIMA) ou o método de análise de regressão (interpolação), ambos com certas limitações em condições particulares. Este artigo apresenta os resultados de uma investigação que visa resolver o problema utilizando redes neurais. Apresenta-se a análise realizado a uma série histórica de radiação global obtida na Universidade Francisco de Paula Santander (Cucuta, Colômbia), com base nos dados registrados por sua estação meteorológica, a partir de uma série de estudo de dez anos (125,658 registros de temperatura, radiação e energia), com 9,98% de dados em falta. Os dados foram devidamente depurados e completados mediante algoritmos de rede neurais tipo backpropagation usando o software matemático MATLAB