La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

REDES NEURONALES ARTIFICIALES APLICADAS A LA GENERACIÓN DE ESPECTROS DEL OLEAJE Marco Matamala Castro Prof. Guía Luis Zamorano Riquelme Proyecto Innova.

Presentaciones similares


Presentación del tema: "REDES NEURONALES ARTIFICIALES APLICADAS A LA GENERACIÓN DE ESPECTROS DEL OLEAJE Marco Matamala Castro Prof. Guía Luis Zamorano Riquelme Proyecto Innova."— Transcripción de la presentación:

1 REDES NEURONALES ARTIFICIALES APLICADAS A LA GENERACIÓN DE ESPECTROS DEL OLEAJE Marco Matamala Castro Prof. Guía Luis Zamorano Riquelme Proyecto Innova Corfo código 09CN Catastro del recurso energético asociado a oleaje para el apoyo a la evaluación de proyectos de generación de energía Undimotriz

2 ¿Qué son las Red Neuronal Artificial (RNA)? Son modelos computacionales que tratan de replicar, de manera simplificada, el complejo funcionamiento del cerebro humano. Consisten en un sistema interconectados de neuronas que colaboran para producir un estímulo de salida. Mediante métodos de propagación permiten ajustar sus interconexiones hasta lograr una estimación deseada o una clasificación aceptable. 2

3 Principales Características de las RNA son: Aprender. Generalizar. Abstraer. 3

4 Lenguaje Reconocimiento del habla. Inferencia gramatical. Medicina Diagnóstico de enfermedades. Estimación de expectativa de vida de un enfermo terminal (Específicamente en casos de Cáncer y VIH). 4 Aplicaciones de RNA.

5 5 Predicción y correlación Predicciones económicas. Correlaciones de series. Predicción de series temporales. Búsqueda de patrones Ecualización de canales digitales. Reconocimientos de patrones. Reconocimientos de rostros.

6 Aplicaciones de RNA. 6 Manufacturación Robots automatizados. Sistemas de control (visión artificial, sensor de presión, etc.). Filtrado de señales. Militares Clasificación de señales de radar. Creación de armas inteligentes. Optimización de los recursos escasos.

7 Esquema RNA Multicapa. 7

8 Entrenamiento de las RNA. Entrenamiento supervisado: En este tipo de algoritmos la red neuronal cuenta con el apoyo externo de un maestro que informa de la corrección de la salida producida por la red de acuerdo con la salida considerada correcta. Entrenamiento no supervisado: En este caso no existe tal maestro y la red neuronal debe extraer sin ayuda características de los datos que se le suministra. 8

9 Descripción de RNA. La acumulación 9 Salida de la neurona k Patrón de entrada Peso sináptico o peso Función de activación

10 Método Backpropagation. 10 Fin A ¿Buen ajuste en el testeo de la RNA? (RMS) Selecciona un vector de entrada desde el conjunto de entrenamiento. Aplica esta entrada a la red y calcula la salida. Estimar el error (RMS) entre la salida calculada y la salida deseada. Ajustar los pesos de la red. Inicio A NO SI

11 Construcción de espectros sintéticos direccionales por medio de RNA 11

12 Set de Datos Utilizados para Entrenamiento y Testeo RNA 12 Coordenadas Nodo: 35º S 73º W Set de entrenamiento: :00 al :00 Set de testeo: :00 al :00 Parámetros resumen WaveWatch III (NOAA) (Hs, Tp, MWD, PWD, WindU, WindV) Espectros de densidad direccional de oleaje (SHOA y INH)

13 Metodología de entrenamiento 13 Fin A A SI Inicio Pasar espectros de forma matricial a vectorial. Normalización de los datos entre los valores [0,1] Selección de los subconjunto de entrenamiento y testeo de la RNA. Desnormalización de los datos y vuelta a reconstruir los espectros en forma matricial. ¿Se alcanzó un buen ajuste en el testeo de la RNA? (RMS) Preparar set de datos: parámetros de resumen (Hs, Tp, MWD, WindU, WindV) y espectros de oleaje. Entrenamiento RNA para distintos tipos de Arquitecturas neuronales. NO

14 Arquitecturas Neuronales Realizadas 1.Una capa oculta con 250 neuronas. 2.Una capa oculta con 300 neuronas. 3.Una capa oculta con 350 neuronas. 4.Dos capas ocultas con 250 neuronas en la primera y 400 neuronas en segunda. 14 Ajuste promedio para el testeo de la red de 91.63% y un R2 de 84.76%.

15 Resultado Entrenamiento 5 años 15

16 Resultado Testeo 1 año 16

17 Resultados espectros sintéticos 17 Espectro Medido Espectro RNA 4 de Diciembre del 2006 a las 03:00 horas 30 de Enero del 2006 a las 15:00 horas

18 18 Espectro Medido Espectro RNA 20 de Abril 2006 a las 12:00 horas 24 de Noviembre del 2006 a las 06:00 horas

19 19 Espectro Medido Espectro RNA Resultados espectros sintéticos 13 de Mayo del 2006 a las 06:00 horas 16 de Junio del 2006 a las 15:00 horas

20 Validación Cruzada La correlación presentada por este caso es de 89.70% con un R2 de 81.07% lo que promediado con el resultado anterior (con el testeo para el último año), da un coeficiente de correlación de 90.67% con un R %. Este valor representa a la validación cruzada, de lo que se concluye que la red es capaz de generalizar no importando el orden de los set de entrenamiento y testeo. 20

21 Resultados Metodología JONSWAP JONSWAP (JOint North Sea WAve Project) (Hasselmann et al, 1973). Los espectros sintéticos generados de por la herramienta JONSWAP para el año de testeo se utiliza en esta investigación a modo de comparación con los resultados de la Red neuronal utilizada para este caso. Quedando finalmente una correlación de % y un R2 de 64.45% con respecto al espectro medido y un RMS de m 2 s. 21

22 Conclusiones y Comentarios Finales 22

23 Presentando una correlación promedio para el testeo de la red de 91.63% y un R2 de 84.76% con un RMS de m 2 s para el entrenamiento y con un RMS de m 2 s para el testeo con respecto al valor medido. Finalmente comparando los resultados con los obtenidos con la formulación JONSWAP, las redes neuronales obtienen una superioridad de más de un 10% en el coeficiente de correlación, además de poder reproducir bimodalidades del oleaje. Además el RMS obtenido de JONSWAP fue de m 2 s versus los m 2 s de las redes. 23 Conclusiones y Comentarios Finales

24 Agradecimientos Marco Matamala Castro Consultas? Preguntas? Otros?


Descargar ppt "REDES NEURONALES ARTIFICIALES APLICADAS A LA GENERACIÓN DE ESPECTROS DEL OLEAJE Marco Matamala Castro Prof. Guía Luis Zamorano Riquelme Proyecto Innova."

Presentaciones similares


Anuncios Google