Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)

En este trabajo se analizan diferentes métricas comparando valores medidos de Irradiancia Solar Global contra valores estimados usando diferentes técnicas de Inteligencia Artificial, particularmente Aprendizaje Automático (Machine Learning), con el objetivo de realizar una Site Adaptation a través d...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Salazar, Germán Ariel, Ledesma, Rubén Darío, López Ruiz, Constanza, De Castro Vilela, Olga
Formato: Articulo
Lenguaje:Español
Publicado: 2025
Materias:
Arquitectura
Ingeniería
irradiancia solar global
aprendizaje automático
adaptación al sitio
Salta
global solar irradiance
machine learning
site adaptation
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/179304
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-179304
record_format dspace
spelling I19-R120-10915-1793042025-05-26T15:15:50Z http://sedici.unlp.edu.ar/handle/10915/179304 Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina) Performance analysis of different machine learning techniques in a global solar irradiance site adaptation for Salta (Argentina) Salazar, Germán Ariel Ledesma, Rubén Darío López Ruiz, Constanza De Castro Vilela, Olga 2025-04-28 2025-05-22T13:31:54Z es Arquitectura Ingeniería irradiancia solar global aprendizaje automático adaptación al sitio Salta global solar irradiance machine learning site adaptation En este trabajo se analizan diferentes métricas comparando valores medidos de Irradiancia Solar Global contra valores estimados usando diferentes técnicas de Inteligencia Artificial, particularmente Aprendizaje Automático (Machine Learning), con el objetivo de realizar una Site Adaptation a través de la Base de Datos Satelitales CAMS-Rad para la ciudad de Salta (1200 metros sobre el nivel del mar). Se analizaron los datos con integraciones temporales de 5 minutos y 15 minutos. Se usaron dos periodos diferentes de datos medidos: un año (2014) o dos años (2014-2015) para entrenar y validar. Las técnicas de Machine Learning usadas fueron Regresión Lineal Simple y Múltiple, Quantile Mapping, Multilayer Perceptron, XGBoost y regresión Clusterwise. Todas las métricas indican una mejora sobre los estimados por CAMS-Rad, destacándose las regresiones Clusterwise. In this work, different metrics are analyzed comparing measured values of Global Solar Irradiance against estimated values using different Artificial Intelligence techniques, particularly Machine Learning, to perform a Site Adaptation through the CAMS-Rad Satellite Database for the city of Salta (1200 meters above sea level). The data were analyzed with temporal integrations of 5 minutes and 15 minutes. Two periods of measured data were used: one year (2014) or two years (2014-2015) for training and validation. Machine Learning techniques were Simple and Multiple Linear Regression, Quantile Mapping, Multilayer Perceptron, XGBoost and Clusterwise regression. All metrics indicate an improvement over CAMS-Rad estimates, with Clusterwise regressions standing out. Asociación Argentina de Energías Renovables y Medio Ambiente Articulo Articulo http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 308-320
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Arquitectura
Ingeniería
irradiancia solar global
aprendizaje automático
adaptación al sitio
Salta
global solar irradiance
machine learning
site adaptation
spellingShingle Arquitectura
Ingeniería
irradiancia solar global
aprendizaje automático
adaptación al sitio
Salta
global solar irradiance
machine learning
site adaptation
Salazar, Germán Ariel
Ledesma, Rubén Darío
López Ruiz, Constanza
De Castro Vilela, Olga
Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)
topic_facet Arquitectura
Ingeniería
irradiancia solar global
aprendizaje automático
adaptación al sitio
Salta
global solar irradiance
machine learning
site adaptation
description En este trabajo se analizan diferentes métricas comparando valores medidos de Irradiancia Solar Global contra valores estimados usando diferentes técnicas de Inteligencia Artificial, particularmente Aprendizaje Automático (Machine Learning), con el objetivo de realizar una Site Adaptation a través de la Base de Datos Satelitales CAMS-Rad para la ciudad de Salta (1200 metros sobre el nivel del mar). Se analizaron los datos con integraciones temporales de 5 minutos y 15 minutos. Se usaron dos periodos diferentes de datos medidos: un año (2014) o dos años (2014-2015) para entrenar y validar. Las técnicas de Machine Learning usadas fueron Regresión Lineal Simple y Múltiple, Quantile Mapping, Multilayer Perceptron, XGBoost y regresión Clusterwise. Todas las métricas indican una mejora sobre los estimados por CAMS-Rad, destacándose las regresiones Clusterwise.
format Articulo
Articulo
author Salazar, Germán Ariel
Ledesma, Rubén Darío
López Ruiz, Constanza
De Castro Vilela, Olga
author_facet Salazar, Germán Ariel
Ledesma, Rubén Darío
López Ruiz, Constanza
De Castro Vilela, Olga
author_sort Salazar, Germán Ariel
title Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)
title_short Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)
title_full Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)
title_fullStr Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)
title_full_unstemmed Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)
title_sort análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para salta (argentina)
publishDate 2025
url http://sedici.unlp.edu.ar/handle/10915/179304
work_keys_str_mv AT salazargermanariel analisisdedesempenodediferentestecnicasdeaprendizajeautomaticoenunaadaptacionalsitiodeirradianciasolarglobalparasaltaargentina
AT ledesmarubendario analisisdedesempenodediferentestecnicasdeaprendizajeautomaticoenunaadaptacionalsitiodeirradianciasolarglobalparasaltaargentina
AT lopezruizconstanza analisisdedesempenodediferentestecnicasdeaprendizajeautomaticoenunaadaptacionalsitiodeirradianciasolarglobalparasaltaargentina
AT decastrovilelaolga analisisdedesempenodediferentestecnicasdeaprendizajeautomaticoenunaadaptacionalsitiodeirradianciasolarglobalparasaltaargentina
AT salazargermanariel performanceanalysisofdifferentmachinelearningtechniquesinaglobalsolarirradiancesiteadaptationforsaltaargentina
AT ledesmarubendario performanceanalysisofdifferentmachinelearningtechniquesinaglobalsolarirradiancesiteadaptationforsaltaargentina
AT lopezruizconstanza performanceanalysisofdifferentmachinelearningtechniquesinaglobalsolarirradiancesiteadaptationforsaltaargentina
AT decastrovilelaolga performanceanalysisofdifferentmachinelearningtechniquesinaglobalsolarirradiancesiteadaptationforsaltaargentina
_version_ 1860699511710547968

Ejemplares similares