Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2547
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorGabriel Ríos Morenoes_ES
dc.creatorJosé Manuel Álvarez Alvaradoes_ES
dc.date2021-01-15-
dc.date.accessioned2021-01-05T15:19:19Z-
dc.date.available2021-01-05T15:19:19Z-
dc.date.issued2021-01-15-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/2547-
dc.descriptionLa predicción de radiación solar a corto plazo es relevante para los usuarios dedicados en la gestión, transporte y generación de la energía para hacer una eficiente planificación. Actualmente, existen modelos capaces de estimar con un mínimo grado de error esta predicción, lo que resulta conveniente en el uso de recursos meteorológicos que pueden reducir los requisitos de aprendizaje para una Machine learning. Los algoritmos de aprendizaje más comunes son las redes neuronales artificiales (ANN), la máquina de regresión vectorial (SVR) y las máquinas de soporte vectorial (SVM), siendo este último el que presenta un mejor rendimiento en comparación a los anteriores en la predicción de radiación solar. Este trabajo tiene como objetivo presentar el rendimiento de la aplicación de las SVM como modelo predictorio para estimar la radiación solar global en una zona urbana obteniendo como entradas la base de datos de una estación meteorológica intentando mejorar la predicción de los modelos actuales. El modelo creado de SVM selecciona los pesos apropiados en el diseño de los núcleos discriminatorios de datos meteorológicos que evalúan la radiación solar futura. Los resultados muestran que es posible predecir con cinco variables: temperaturas máximas y mínimas del medio, presión atmosférica, velocidad de viento y la humedad del ambiente. Los pesos son estimados para encontrar el óptimo mediante un algoritmo inteligente de búsqueda mediante la técnica de Evolución diferencial y se evalúa el error mediante el cálculo de error cuadrático medio.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsEn Embargoes_ES
dc.subjectPredicción nowcastes_ES
dc.subjectRadiación solares_ES
dc.subjectMachine Learninges_ES
dc.subjectMáquinas de soporte vectoriales_ES
dc.subjectGestión de la Energíaes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titlePredicción a muy corto plazo de radiación solar global en zona urbana con Máquinas de Soporte Vectoriales_ES
dc.typeTesis de doctoradoes_ES
dc.creator.tidCURPes_ES
dc.creator.identificadorAAAM900211HDGLLN02es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameDoctorado en Ingenieríaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelDoctoradoes_ES
Aparece en: Doctorado en Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI005607.pdf4.7 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.