procesamiento estadÍstico de datos y ?· tratamiento de los datos orientadas a la estimación de...

Download PROCESAMIENTO ESTADÍSTICO DE DATOS Y ?· tratamiento de los datos orientadas a la estimación de la…

Post on 14-Oct-2018

212 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • INSTITUTO DE ESTUDIOS DE POSTGRADO Curso 2017/18

    GUA DOCENTE

    www.uco.esfacebook.com/universidadcordoba@univcordoba

    INFORMACIN SOBRE TITULACIONESDE LA UNIVERSIDAD DE CRDOBA

    uco.es/idep/masteresPROCESAMIENTO ESTADSTICO DE. PG. 1/3 Curso 2017/18

    DENOMINACIN DE LA ASIGNATURA

    Denominacin: PROCESAMIENTO ESTADSTICO DE DATOS Y SEALES

    Cdigo: 102063

    Crditos ECTS: 4 Horas de trabajo presencial: 20

    Porcentaje de presencialidad: 20% Horas de trabajo no presencial: 80

    Plataforma virtual:

    DATOS DEL PROFESORADO

    Nombre: MORENO MUOZ, ANTONIO

    Centro: Escuela Politcnica Superior

    Departamento: ARQUITECTURA DE COMPUTADORES, ELECTRNICA Y TECNOLOGA ELECTRNICA

    rea: ELECTRNICA

    Ubicacin del despacho: Edificio Leonardo Da Vinci

    e-Mail: amoreno@uco.es Telfono: 957218373

    REQUISITOS Y RECOMENDACIONES

    Requisitos previos establecidos en el plan de estudios

    No se prevn requisitos previos para esta asignatura.

    Recomendaciones

    Se recomienda encarecidamente haber cursado la asignatura de Procesamiento Digital de la seal

    OBJETIVOS

    El objetivo de esta asignatura es dar a conocer herramientas de preprocesamiento, modelado y simulacin de series temporales para la evaluacin del

    recurso energtico de origen renovable. En primer lugar, se parte del conocimiento de las fuentes de datos ambientales disponibles as como de las

    condiciones que tienen que cumplir los instrumentos de medida. A continuacin, se expondrn tcnicas estadsticas y de soft-computing para el

    tratamiento de los datos orientadas a la estimacin de la produccin energtica. Estos procedimientos permitirn una mejor gestin e integracin de

    fuentes de energa renovables en las Smart Grids

    COMPETENCIAS

    CB3 Saber comunicar las conclusiones y los conocimientos y razones ltimas que las sustentan a pblicos especializados y no

    especializados de un modo claro y sin ambigedades.

    CB4 Aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos ms amplios (o

    multidisciplinares) relacionados con su rea de estudio.

    CB6 Realizar investigacin, desarrollo e innovacin en productos, procesos y mtodos.

    CB8 Ser capaz de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una informacin que, siendo

    incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y ticas vinculadas a la aplicacin de sus conocimientos

    y juicios.

    CE5 Capacidad para disear sistemas electrnicos y de instrumentacin industrial.

    CE8 Conocimientos y capacidades para realizar certificaciones, auditoras, verificaciones, ensayos e informes.

    CONTENIDOS

  • INSTITUTO DE ESTUDIOS DE POSTGRADO Curso 2017/18

    GUA DOCENTE

    www.uco.esfacebook.com/universidadcordoba@univcordoba

    INFORMACIN SOBRE TITULACIONESDE LA UNIVERSIDAD DE CRDOBA

    uco.es/idep/masteresPROCESAMIENTO ESTADSTICO DE. PG. 2/3 Curso 2017/18

    1. Contenidos tericos

    Tema 0: Fuentes de datos ambientales para energas renovables. - Datos Globales: Datos de reanlisis: Reanlysis-NOAA, ERA-ECMWF Datos de

    prediccin: GFS-NOAA - Datos Locales: Estaciones Calidad de los datos. Criterios WMO. - Downscaling. Estadstico y dinmico

    Tema 1: Estadstica bsica en el anlisis de series temporales. - Caracterizacin estadstica (varianza, mx, mn, autocorrelacin, persistencia temporal,

    histogramas, ...). - Comparacin de series temporales (errores tpicos, correlaciones, ...).

    Tema 2: Tcnicas estadsticas en la exploracin y el preprocesamiento de Bases de Datos. - Homogeneizacin de datos (frecuencias de muestreos,

    huecos, rangos, ...) - Matriz de correlaciones - Persistencia espacial - Tcnicas de reduccin de dimensiones: Clustering, PCA

    Tema 3: Procesamiento bsico para modelado y prediccin de series temporales. - Measure-Correlate-Predict - Modelos geoestadsticos - Modelos

    lineales - ARIMA

    Tema 4: Tcnicas avanzadas para modelado y prediccin de series temporales. - Algoritmos genticos - Redes neuronales - Lgica difusa -

    Hibridaciones

    Tema 5: Aplicaciones a la estimacin de la produccin energtica. - Recurso elico. - Recurso Solar.

    2. Contenidos prcticos

    Se har alguna simulacin sobre los contenidos tericos.

    METODOLOGA

    Aclaraciones

    Para los estudiantes a tiempo parcial se tendr en cuenta su condicin y disponibilidad en la asignatura, tanto en el desarrollo de la misma como en su

    evaluacin. La adaptacin se llevar a cabo de mutuo acuerdo entre el profesor responsable de la asignatura y los alumnos implicados al inicio del

    curso.

    Actividades presenciales

    Actividad Total

    Actividades de evaluacin 2

    Estudio de casos 3

    Leccin magistral 13

    Tutoras 2

    Total horas: 20

    Actividades no presenciales

    Actividad Total

    Anlisis 10

    Bsqueda de informacin 10

    Consultas bibliogrficas 5

    Ejercicios 10

    Estudio 35

    Trabajo de grupo 10

    Total horas: 80

    MATERIAL DE TRABAJO PARA EL ALUMNO

  • INSTITUTO DE ESTUDIOS DE POSTGRADO Curso 2017/18

    GUA DOCENTE

    www.uco.esfacebook.com/universidadcordoba@univcordoba

    INFORMACIN SOBRE TITULACIONESDE LA UNIVERSIDAD DE CRDOBA

    uco.es/idep/masteresPROCESAMIENTO ESTADSTICO DE. PG. 3/3 Curso 2017/18

    Casos y supuestos prcticos - www.uco.es/moodle

    Dossier de documentacin - www.uco.es/moodle

    Ejercicios y problemas - www.uco.es/moodle

    Aclaraciones:

    Todo el material se encuentra en Moodle.

    EVALUACIN

    Instrumentos Porcentaje

    Examen tipo test 20%

    Informes/memorias de

    prcticas 20%

    Pruebas objetivas 40%

    Trabajos en grupo 20%

    Periodo de validez de las calificaciones parciales: Durante el presente curso

    BIBLIOGRAFA

    1. Bibliografa bsica:

    - National Oceanic and Atmospheric Administration (NOAA), http://nomads.ncdc.noaa.gov/data.php - European Center of Medium Range Weather

    Forecast (ECMWF), http://www.ecmwf.int/

    - Guide to meteorological instruments and methods of observation (7th edition), ISBN-978-92-63-100085, World Meteorological Organization, 2008,

    http://www.wmo.int/pages/index es.html

    - J.M. Gutirrez, R. Cano, A.S. Cofio, and C. Sordo, Redes Probabilsticas y Neuronales en las Ciencias Atmosfricas, Monografas del Instituto Nacional

    de Meteorologa, Ministerio de Medio Ambiente, Madrid (2004), ISBN: 84-8320-281-6

    - P.D. Wasserman, Advanced Methods in neural computing, Editorial Van Nostrand Reinhold, 1993. - S. Haykin, Neural networks: A comprehensive

    foundation, Editorial Prentice Hall, New Jersey (USA), 1994.

    - G.E.P. Box, G.M. Jenkins, G.C. Reinsel, Time series analysis: forecasting and control, Editorial Prentice Hall, New Jersey (USA), 1994.

    - J.D. Hamilton, Times series analysis, Editorial Princeton University Press, New Jersey (USA), 1994.

    - E. Uriel Jimnez, Anlisis de series temporales: modelos ARIMA, Editorial Thomson Paraninfo, Madrid, 1995. - D. Pea Snchez de Rivera, Anlisis de

    series temporales, Alianza Editorial, Madrid, 2005.

    2. Bibliografa complementaria:

    Ninguna.

    Las estrategias metodolgicas y el sistema de evaluacin contempladas en esta Gua Docente sern adaptadasde acuerdo a las necesidades presentadas por estudiantes con discapacidad y necesidades educativas especialesen los casos que se requieran.

Recommended

View more >