Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/handle/123456789/37997| Título : | Modelo de predicción a corto plazo de la radiación solar en el campus de la UTPL |
| Autor : | Castro Mendieta, José Raúl Quishpe Carpio, Verónica Paulina |
| Palabras clave : | Ecuador. Tesis digital. |
| Fecha de publicación : | 2023 |
| Citación : | Quishpe Carpio, V. P. Castro Mendieta, J. R. (2023) Modelo de predicción a corto plazo de la radiación solar en el campus de la UTPL [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/37997 |
| Resumen : | Abstract:The design of the algorithm for the prediction of solar radiation was carried out by using Machine Learning, under the use of the Python language, with the application of the keras libraries and tenson Flow for the creation of different models of neural networks both of model simple as multi-pass. The data provided was delivered by the Laboratory Climatological of the UTPL where they go from the year 2020 to 2022, for which it was identified the range of hours in which solar radiation begins and until it ends, which is 06:00 a.m. to 18:00 p.m. Once this was identified, the development of the algorithm was carried out in the DeepNote platform, where the Python language could be applied, firstly for the data cleaning, neural network creation, training, validation and testing of the same. As a result, in both the simple model and the multiple-step model, identifies which are the most suitable for execution for future advances. |
| Descripción : | Resumen: El diseño del algoritmo para la predicción de la radiación solar se realizó mediante el uso de Machine Learning, bajo el uso del lenguaje de Python, con la aplicación de las librerías keras y tenson Flow para la creación de diferentes modelos de redes neuronales tanto de modelo simple como de paso múltiple. Los datos proporcionados fueron entregados por el Laboratorio Climatológico de la UTPL donde van desde el año 2020 hasta el 2022, para lo cual se identificó el rango de horas en donde empieza la radiación solar y hasta donde termina, la cual es de 06:00 a.m. a 18:00 p.m.. Una vez identificado esto, el desarrollo del algoritmo se realizó en la plataforma DeepNote, en donde se pudo aplicar el lenguaje de Python, primeramente para la limpieza de datos, la creación de las redes neuronales, el entrenamiento, la validación y prueba del mismo. Como resultado en tanto del modelo simple como del modelo de múltiple paso se identifa cuales son los más aptos para la ejecución para futuros avances. |
| URI : | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=134721.TITN. |
| Aparece en las colecciones: | Maestría en Educación mención Innovación y Liderazgo Educativo |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.