Predicción de radiación solar mediante los métodos decisión Tree y Random Forest
No Thumbnail Available
Date
2025-01-16
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)
Abstract
La presente investigación se centra en la predicción de la radiación solar, que es importante para la producción de energía en sistemas térmicos y solares. Para ello se utilizó software de código abierto (Python) y una metodología que implica la creación, implementación y prueba de modelos específicos de aprendizaje automático de bosque aleatorio (RF) y árbol de decisión (DT). Las métricas utilizadas para identificar la efectividad de los modelos en la predicción de la radiación solar fueron el coeficiente (R2), el error cuadrático medio (MSE) y el error medio absoluto (MAE). La evaluación de los dos métodos se presenta en tres casos: durante uno, dos y siete días. Los resultados muestran que el modelo RF tiene mejores resultados que el DT, con valores MAE y MSE de 36,96 y 4238,77, respectivamente, y un coeficiente de determinación de 0,96. El estudio enfatiza la importancia de seleccionar el modelo apropiado en función del horizonte de predicción para estimar la disponibilidad solar y mejorar la planificación del sistema de energía solar y térmica. Redacte el resumen o síntesis claramente estructurada, que deje claro el objetivo general, describa sintéticamente el problema, los métodos, los resultados, aportes y las conclusiones.
Description
Keywords
ÁRBOL DE DECISIÓN, APRENDIZAJE AUTOMÁTICO, BOSQUE ALEATORIO, RADIACIÓN SOLAR
Citation
Tucumbi, L., Guano, J., Salazar-Achig, R., & Jiménez J., D. L. (2025). Solar Radiation Prediction Using Decision Tree and Random Forest Models in Open-Source Software. E3S Web of Conferences, 601, 00051. https://doi.org/10.1051/e3sconf/202560100051