Evaluación de algoritmos de aprendizaje automático para la clasificación de días de cielo claro

Autores/as

  • Pablo Cinco Reynaga Facultad de Ciencias Exactas, Universidad Nacional de Salta (UNSa) e mail: pablo.cinco.reynaga@gmail.com
  • Rubén Darío Ledesma Facultad de Ciencias Exactas, Universidad Nacional de Salta (UNSa); Instituto de Investigaciones en Energía No Convencional (INENCO, UNSa – CONICET) e mail: rdledesma@exa.unsa.edu.ar

Palabras clave:

Irradiancia solar, GHI, Aprendizaje Automático, MLP, KNN

Resumen

 El siguiente trabajo busca aplicar y comparar diferentes algoritmos de aprendizaje automático al problema de identificar días de cielo claro en los conjuntos de datos de radiación solar, con el objetivo de evaluar su desempeño. Se utilizará un conjunto de datos de la localidad de Cerrillos, Salta, Argentina para entrenar diferentes algoritmos de aprendizaje supervisado (Perceptrón multicapa y K-vecinos más cercanos), implementando técnicas de reducción de dimensión (Análisis de componen- tes principales), estimación de hiperparámetros (gridsearch) y, por último, se contrastarán los resultados mediante una matriz de confusión utilizando la precisión como métrica de desempeño.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

05-05-2026

Cómo citar

Cinco Reynaga, P., & Ledesma, R. D. (2026). Evaluación de algoritmos de aprendizaje automático para la clasificación de días de cielo claro. Avances En Energías Renovables Y Medio Ambiente - AVERMA, 29, 568–575. Recuperado a partir de http://170.210.203.22/index.php/averma/article/view/5290

Número

Sección

7. Radiación solar y clima