Comparison of Kernel Functions in the Classification of Irradiance Zones from Multispectral Satellite Images
| Autor: | Dalila-Mercedes Pachajoa, Héctor Mora-Paz, Dagoberto Mayorca-Torres |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2021 |
| Předmět: |
funciones Kernel
máquinas de soporte vectorial clasificación General Medicine photovoltaic energy multispectral satellite images classification Kernel functions Support Vector Machines energía fotovoltaica imágenes satelitales multiespectrales Landsat classificação energia fotovoltaica imagens de satélite multiespectrais máquinas de vetor de suporte |
| Zdroj: | Revista Facultad de Ingeniería, Volume: 30, Issue: 58, Article number: e106, Published: 22 DEC 2021 |
| Popis: | Due to the growing energy demand and the eminent global warming, there is special interest in the prediction of irradiance based on the reflectance obtained from satellites such as NASA Landsat, since it allows to know where it is more efficient to place photovoltaic receivers. Although there are studies for obtaining regression models with alternative Kernel functions, their performance for classification models is unknown and it is here where this research focuses. The study couples alternative Kernel functions to the support vector machines (SVM) algorithm for classification problems, where the best configuration for these algorithms is explored to finally obtain a set of irradiance maps zoned by class. Resumen Debido a la creciente demanda de energía y al eminente calentamiento global, existe especial interés en la predicción de irradiancia basada en la reflectancia obtenida de satélites como el Landsat de la NASA, ya que permite saber dónde es más eficiente colocar receptores fotovoltaicos. Si bien existen estudios para la obtención de modelos de regresión con funciones Kernel alternativas, se desconoce su desempeño para modelos de clasificación, y es aquí donde se enfoca esta investigación. El estudio combina funciones de Kernel alternativas al algoritmo máquinas de soporte vectorial (SVM) para problemas de clasificación, donde se explora la mejor configuración para estos algoritmos, y así finalmente obtener un conjunto de mapas de irradiancia zonificados por clase. Resumo Devido à crescente demanda de energia e ao eminente aquecimento global, há especial interesse na previsão da irradiância a partir da refletância obtida de satélites como o NASA Landsat, pois permite saber onde é mais eficiente colocar os receptores fotovoltaicos. Embora existam estudos para obtenção de modelos de regressão com funções alternativas do Kernel, seu desempenho para modelos de classificação é desconhecido e é aqui que se concentra esta pesquisa. O estudo acopla funções Kernel alternativas ao algoritmo de máquinas de vetores de suporte (SVM) para problemas de classificação, onde a melhor configuração para esses algoritmos é explorada para finalmente obter um conjunto de mapas de irradiância zoneados por classe. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|