Marco general para la extracción de información y estimación de radiación solar diaria

• Muñoz Torres, Diego Fernando ^[2] ; Montoya Giraldo, Oscar Danilo ^[1] ; Sabach Matos, Sergio Arturo ^[2]
  1. [1] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
  2. [2] Fundacion Universitaria Tecnologico Comfenalco
• Localización: Scientia et Technica, ISSN 0122-1701, Vol. 27, Nº. 1, 2022 (Ejemplar dedicado a: Enero-Marzo 2022), págs. 61-70
• Idioma: español
• Títulos paralelos:
  • General framework for the extraction of information and estimation of daily solar radiation
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este articulo presenta un estudio comparativo resultado del diseño y simulación de un sistema de predicción de condiciones climáticas usando modelos de aprendizaje automático, en el cual, se confrontan los resultados obtenidos al usar una base de datos de condiciones ambientales, con otra base de datos generada a partir del tratamiento de los datos mediante el análisis por componentes principales. En la primera fase del estudio, se generan metadatos a través de los subespacios creados con el análisis por componentes principales, una segunda fase consta de elaborar un sistema de predicción de condiciones climáticas usando varios modelos de aprendizaje de máquina, los cuales, usarán como recurso los datos originales y los metadatos generados en la primera fase del estudio, en la fase final del estudio, se comparan ambos resultados con el objetivo de observar el comportamiento de los sistemas de inferencia de la radiación solar. La estrategia de tratamiento de datos propuesta permite extraer información de las bases de datos ambientales facilitando la interpretación y observación como serie temporal de datos, adicionalmente, se logra construir un marco de referencia experimental para la inferencia de la radiación solar usando diferentes técnicas de aprendizaje supervisado sobre las bases de datos generadas.

  • English

    This article presents a comparative study resulting from the design and simulation of a system of prediction of climatic conditions using machine learning models, in which the results obtained by using a database of environmental conditions are compared with another database generated from the treatment of the data through the analysis by principal components. In the first phase of the study, metadata is generated through the subspaces created with the analysis by principal components, a second phase consists of developing a system of prediction of climatic conditions using several machine learning models, which will use as a resource the original data and metadata generated in the first phase of the study , in the final phase of the study, both results are compared with the aim of observing the behavior of solar radiation inference systems. The proposed data processing strategy allows to extract information from environmental databases facilitating interpretation and observation as a time series of data, additionally, it is possible to build an experimental frame of reference for the inference of solar radiation using different supervised learning techniques on the databases generated.