Predicción de radiación solar mediante los métodos decisión Tree y Random Forest
| dc.contributor.advisor | Salazar Achig, Edgar Roberto | |
| dc.contributor.author | Tucumbi Pallo, Mayra Lisbeth | |
| dc.contributor.author | Guano Chimborazo, Jefferson Andrés | |
| dc.date.accessioned | 2025-11-14T23:32:10Z | |
| dc.date.available | 2025-11-14T23:32:10Z | |
| dc.date.issued | 2025-01-16 | |
| dc.description.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. | |
| dc.format.extent | 12 páginas | |
| dc.identifier.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 | |
| dc.identifier.issn | 2267-1242;2555-0403 | |
| dc.identifier.other | UTC-FCIYA-ELE-2025-015-ART | |
| dc.identifier.uri | https://doi.org/10.1051/e3sconf/202560100051 | |
| dc.identifier.uri | https://repositorio.utc.edu.ec/handle/123456789/15158 | |
| dc.language.iso | es | |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC) | |
| dc.subject | ÁRBOL DE DECISIÓN | |
| dc.subject | APRENDIZAJE AUTOMÁTICO | |
| dc.subject | BOSQUE ALEATORIO | |
| dc.subject | RADIACIÓN SOLAR | |
| dc.title | Predicción de radiación solar mediante los métodos decisión Tree y Random Forest | |
| dc.type | Article |