Predicción de ingresos de causas penales mediante programación genética lineal.
Resumen
Este artículo propone una metodología de predicción de ingresos de causas penales utilizando una variación de la Programación Genética (GP): la Programación Genética Lineal (LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), provenientes de los siete Juzgados Penales de Garantías de Ciudad del Este. La verificación del método propuesto se llevó a cabo por comparación con modelos estadísticos, por lo que se ha estimado la misma serie de tiempo con estos modelos. La validación de los modelos fue realizada aplicando dos métricas; el error cuadrático medio y el error absoluto medio. El método LGP generó varios resultados debido a su capacidad de crear fórmulas matemáticas de manera aleatoria, de las mismas, tres resultados importantes fueron seleccionados para su comprobación. Dos resultados quedaron en primer y segundo lugar, mostrando mayor eficiencia respecto a los métodos estadísticos empleados. El tercer resultado seleccionado no obtuvo una buena predicción, pero sí un buen trazado en el gráfico, comparándolo con la serie de tiempo. En base a los resultados obtenidos, se concluye que los modelos generados por LGP son capaces de pronosticar con una buena precisión los ingresos penales, por encima de los métodos estadísticos empleados.
Citas
[2] Poder Judicial. Disponible en: http://www.Pj.Gov.Py/ Acceso: circa 2014.
[3] Azamathulla, H. M., Guven, A. & Demir, Y. K. Linear genetic programming to scour below submerged pipeline. OceanEngineering, 38(8), pp. 995-1000, 2011.
[4] Koza, J. R. Introduction to genetic programming tutorial: from the basics to human-competitive results. In Proceedings of the 12th annual conference companion on Genetic and evolutionary computation. ACM., pp. 2137-2262, 2010.
[5] Wilson, G. & Banzhaf, W. Inter-day foreign exchange trading using linear genetic programming. In Proceedings of the 12th annual conference on Genetic and evolutionary computation. ACM, pp. 1139-1146, 2010.
[6] Kisi, O. & Guven, A. A machine code-based genetic programming for suspended sediment concentration estimation. Advances in Engineering Software, 41(7), 939-945, 2010.
[7] Uyumaz, A., Mehr, A. D., Kahya, E. & Erdem, H. Rectangular side weirs discharge coefficient estimation in circular channels using linear genetic programming approach. Journal of Hydroinformatics Vol 16 No 6 pp 1318-1330. DOI de la publicación: 10.2166/hy-dro.2014.112, 2014.
[8] Alavi, A. H., Aminian, P., Gandomi, A. H. & Esmaeili, M. A. Genetic-based modeling of uplift capacity of suction caissons. Expert Systems with Applications, 38(10), 12608-12618. 2011.
[9] Shavandi, H. & Ramyani, S. S. A linear genetic programming approach for the prediction of solar global radiation. Neural Computing and Applications, 23(3-4), 1197-1204, 2013.
[10] Koza, J. R. Human-competitive results produced by genetic programming. Genetic Programming and Evolvable Machines, 11(3-4), 251-284, 2010.
[11] Sanchez, R. “Aplicación de la programación genética lineal para la predicción de indicadores macro económicos”, Proyecto final de tesis, Facultad de Ciencias y Tecnología Universidad Católica Nuestra Señora de la Asunción, 2008.
[12] Koza, J. R. “Herarchical Genetic Algorithms Operating On Populations Of Computer Programs”. En N. S. Sridharan, Editor, Proceedings Of 11th International Joint Conference On Artificial Intelligence, San Mateo, Morgan Kaufmann, California, 1989.
[13] Koza, J. R. Introduction to genetic programming tutorial: from the basics to human-competitive results. En Proceedings of the 12th annual conference companion on Genetic and evolutionary computation (pp. 2137-2262). ACM, (julio de 2010).
[14] Poli, R. y Koza, J. Genetic Programming (pp. 143-185). Springer US, 2014.
[15] Jenkins, M. “Time Series Analysis Forecas-ting And Control”, 2da Edition, Holden-Day, San Francisco, 1976.
[16] Dabhi, V. y Chaudhary, S. Time Series Modeling and Prediction Using Postfix Genetic Programming. Advanced Computing & Communication Technologies (ACCT), 2014 IEEE Fourth International Conference (pp. 307-314).