Machine learning aplicado a la estimación de la radiación solar

Vista sencilla de ítem
dc.contributor.authorOlivera, Lucas Maximiliano
dc.date.accessioned2024-04-09T16:34:26Z
dc.date.available2024-04-09T16:34:26Z
dc.date.issued2019
dc.description.abstractEn este trabajo, 756 modelos diferentes de RNA para la estimación de la radiación solar diaria fueron analizados, variando parámetros tales como el optimizador, la función de activación, la cantidad de neuronas en la capa oculta y la tasa de aprendizaje. Para el entrenamiento y validación de los modelos fueron utilizados parámetros meteorológicos históricos conocidos de manera real y confiable, provenientes de tres estaciones meteorológicas ubicadas en la provincia de Buenos Aires. El mejor modelo obtenido, que estima el valor de salida con el mínimo error, correspondió al optimizador del descenso de gradiente estocástico (SGD), la función de activación Tangente Hiperbólica, con 44 neuronas en la capa oculta, y considerando un valor de tasa de aprendizaje de 0.001. Este modelo presenta valores de RMSE y de coeficiente de determinación de 29.13 W/m2 y 0.91, respectivamente, valores comparables con resultados presentados en artículos científicos internacionales para el mismo optimizador SGD. La importancia de este estudio radica en el hecho que no siempre es posible contar con datos experimentales de la radiación solar en los lugares de interés, y su conocimiento preciso es un factor clave en numerosas aplicaciones, entre ellas, en los sistemas fotovoltaicos y fototérmicos, en actividades agropecuarias, en la ecología, en la hidrología y en el diseño arquitectónico, entre otras.
dc.format.extent111 p.
dc.format.mimetypeapplication/pdf
dc.identifier.otherhttps://biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/fb8fe29b00f999c74fe0f966c032dff9c5a986d7
dc.identifier.urihttps://rid.unaj.edu.ar/handle/123456789/2448
dc.language.isospa
dc.publisherUniversidad Nacional Arturo Jauretche
dc.rights.accessrightsAcceso abierto
dc.rights.licenseEsta obra está bajo una Licencia Creative Commons. Atribución - No comercial 4.0
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subject.otherPROGRAMACIÓN INFORMÁTICA
dc.subject.otherINTELIGENCIA ARTIFICIAL
dc.subject.otherRADIACION SOLAR
dc.titleMachine learning aplicado a la estimación de la radiación solar
dc.typePráctica Profesional Supervisada
unaj.noteInforme de Práctica Profesional para obtener el titulo de Ingeniero/a. Universidad Nacional Arturo Jauretche.
unaj.oai.snrdNo
unaj.tituloObtenidoIngeniería en Informática
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
RIDUNAJ-PPS-20240626-Olivera, L. M.pdf
Tamaño:
57.83 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Prácticas Profesionales Supervisadas