Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/11091
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJosé Manuel Álvarez Alvaradoes_ES
dc.creatorSergio Alejandro Pérez Rodríguezes_ES
dc.date.accessioned2024-09-05T14:34:30Z-
dc.date.available2024-09-05T14:34:30Z-
dc.date.issued2024-08-08-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/11091-
dc.descriptionEn la presente tesis se propone un modelo híbrido para la predicción de la radiación solar global (GSR) utilizando el algoritmo de optimización bioinspirado Colonia Artificial de Abejas (ABC) combinado con un Perceptrón Multicapa (MLP). La motivación principal es abordar la intermitencia y volatilidad de la GSR, que impactan significativamente en la seguridad del suministro energético, especialmente en el contexto del aumento del uso de paneles fotovoltaicos. La metodología implementada incluye la optimización de los hiperparámetros del modelo MLP mediante el algoritmo ABC, lo que permite una selección óptima del número de neuronas en las capas ocultas, mejorando así la precisión de las predicciones. La validez del modelo propuesto se verificó utilizando datos de estaciones meteorológicas automáticas en distintas ubicaciones de México. En la estación UAQ Aeropuerto, el modelo ABC-MLP mostró un RMSE de 48.4032 W/m², un MAE de 19.5054 W/m² y R² de 0.9812. Adicionalmente, se realizó una selección de características críticas como la temperatura del aire, humedad relativa, radiación solar global promedio, velocidad y dirección del viento, las cuales contribuyen a la precisión del modelo. La revisión sistemática de la literatura incluyó un análisis exhaustivo de las tendencias actuales y futuras direcciones de investigación en la predicción de GSR utilizando técnicas de machine learning, deep learning y algoritmos de optimización metaheurísticos. Los resultados obtenidos demuestran la robustez y generalización del modelo propuesto Selector ABC-MLP en diferentes contextos geográficos, destacando su superioridad en la predicción de la GSR. Este trabajo contribuye al desarrollo de sistemas de energía solar más eficientes y a la gestión optimizada de recursos energéticos, proporcionando una herramienta valiosa para la toma de decisiones en el sector energético.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (69 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleModelo de predicción de redes neuronales para radiación solar global optimizado por colonia artificial de abejases_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificadorhttps://orcid.org/0000-0002-9446-9007es_ES
dc.contributor.identificadorhttps://orcid.org/0000-0002-1304-6791es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias de la Computaciónes_ES
dc.degree.departmentFacultad de Informáticaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator317967es_ES
dc.folioIFMAC-317967es_ES
Aparece en: Maestría en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
IFMAC-317967.pdf7.91 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.