Modelos de ensamblaje con redes neuronales para la identificación de sistemas

Resumen

Este trabajo se centra en la obtención de modelos dinámicos complejos que puedan integrarse en un controlador predictivo basado en modelo (MPC). El objetivo es modelar sistemas no lineales y multivariables mediante redes neuronales NARX (redes autorregresivas no lineales con entradas exógenas). Para mejorar la precisión y robustez del modelo generado, se propone una estrategia basada en modelos de ensamblaje (\textit{ensemble models}), combinando múltiples redes entrenadas de forma independiente. Se llevan a cabo dos experimentos: el primero, utilizando datos sintéticos de diversa naturaleza, analiza el impacto de la diversidad en el conjunto de modelos; el segundo, empleando datos reales de un reactor químico, evalúa la aplicabilidad del enfoque en entornos reales con múltiples variables. En ambos casos, se demuestra que los métodos de ensamblaje mejoran el rendimiento en comparación con los modelos individuales.