Aprendizaje automático y reducción de la dimensionalidad en predicción de energías renovables
| Autor: | Andrés Tamé, Iván de |
|---|---|
| Přispěvatelé: | Dorronsoro Ibero, José Ramón (Tutor), UAM. Departamento de Ingeniería Informática |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Biblos-e Archivo. Repositorio Institucional de la UAM instname |
| Popis: | Con el incremento de la población y el consumo de la misma, las formas de obtener energía han ido evolucionando desde hace años, y las energías renovables se van abriendo camino, puesto que suponen un factor diferenciador en el camino hacia un futuro energéticamente sostenible. Aun así el uso de estas energías está lejos de ser 100% aprovechable, debido a factores como por ejemplo, la difcultad a la hora de predecir componentes que los seres humanos no podemos controlar. Gracias a la potencia de los ordenadores actuales, y a las técnicas de aprendizaje automático, la predicción de estos componentes ajenos a nuestro control, es cada vez más efectiva. Aun con esto, la cantidad de datos que se necesitan para aplicar estas técnicas y tener un buen resultado puede llegar a ser enorme, difcultando tanto su procesamiento como su envío. Para tratar de solucionar este problema, este trabajo tratará de aplicar técnicas de reducción de dimensionalidad, y comprobar la efciencia de las predicciones tras esto. Para este trabajo se han utilizado datos numéricos reales sobre predicciones meteorológicas, así como diferentes modelos de regresión. Estos procesos se han realizado enteramente usando el lenguaje de programación Python, haciendo especial uso de la librería scikit-learn para los modelos de aprendizaje automático. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|