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
Descripción
Sumario: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.

Ejemplares similares