Estudio comparativo de redes neuronales profundas para la predicción de tendencias de consumo energético en la provincia de Tungurahua

Abstract

El presente proyecto compara el desempeño de las redes neuronales LSTM, GRU y Transformer para predecir la demanda energética en la provincia de Tungurahua. La investigación siguió la metodología CRISP-DM. Incluyó las fases de comprensión del negocio, comprensión de los datos, preparación de los datos, modelado y evaluación. Se construyó un con junto de datos con información histórica del consumo eléctrico residencial de la Agencia de Regulación y Control de Electricidad (ARCONEL). Además, se incorporaron variables climáticas de NASA POWER y datos demográficos del Instituto Nacional de Estadística y Censos (INEC). El período analizado comprendió datos mensuales entre 2014 y 2025… This project compares the performance of LSTM, GRU, and Transformer neural net works for forecasting energy demand in Tungurahua Province. The research followed the CRISP DM methodology. It included the phases of business understanding, data understanding, data preparation, modeling, and evaluation. A dataset was built using historical residential electricity consumption data from the Electricity Regulation and Control Agency (ARCONEL). Climate variables from NASA POWER and demographic data from the National Institute of Statistics and Census (INEC) were also incorporated. The analysis covered monthly data from 2014 to 2025…