En este trabajo se exploró la aplicación de Redes Neuronales Recurrentes con Memoria a Corto y Largo
Plazo (LSTM) para la predicción de series temporales y espaciales en ingeniería. Se analizó el
funcionamiento de las LSTM, su formulación matemática y proceso de aprendizaje, así como su
efectividad en la predicción de series temporales. Además, se llevó a cabo una prueba de concepto en
el área eléctrica para predecir la demanda. Los resultados demostraron que las LSTM son una
herramienta prometedora en la predicción de fenómenos complejos y pueden ofrecer soluciones
precisas y flexibles para desafíos en ingeniería, destacando su potencial en la predicción de series
temporales en diversos contextos.
