Aprendizaje Automático en la Identificación de Sistemas. Un Caso de Estudio en la Predicción de la Generación Eléctrica de un Parque Eólico

Author:

Aguilar R.M.ORCID,Torres J.M.,Martín C.A.

Abstract

<p>Uno de los mayores desafíos tecnológicos de la actualidad es la obtención de modelos predictivos de sistemas complejos. En este artículo se propone darle valor a los datos recogidos sobre un proceso utilizándolos para la identificación del mismo mediante el empleo de algoritmos de aprendizaje automático. En concreto, se describe el desarrollo de un proyecto de determinación del modelo predictivo de un sistema, a partir de algoritmos de aprendizaje automático supervisado, usando como ejemplo el problema de determinar la generación de energía de un campo eólico. Para ello se estudian las transformaciones a realizar a los datos recogidos, la búsqueda del mejor algoritmo, cómo determinar la bondad del mismo y, finalmente, el entrenamiento y a juste del modelo seleccionado. Todo ello usando el lenguaje de programación Python, que dispone de librerías que facilitan este tipo de proyectos, y en el entorno de Jupyter Notebook para realiza el proyecto y divulgar los resultados.</p>

Publisher

Universitat Politecnica de Valencia

Subject

General Computer Science,Control and Systems Engineering

Reference21 articles.

1. Bermudez-Edo, M., Barnaghi, P., Moessner, K., 2018. Analysing real world data streams with spatio-temporal correlations: Entropy vs. pearson correlation. Automation in Construction 88, 87 - 100. URL: http://www.sciencedirect.com/science/article/pii/ S0926580517303874 DOI: https://doi.org/10.1016/j.autcon.2017.12.036

2. Bibault, J.-E., Giraud, P., Burgun, A., 2016. Big data and machine learning in radiation oncology: State of the art and future prospects. Cancer Letters 382 (1), 110 - 117. URL: http://www.sciencedirect.com/science/article/pii/S0304383516303469 DOI: https://doi.org/10.1016/j.canlet.2016.05.033

3. Brunner, R. J., Kim, E. J., 2016. Teaching data science. Procedia Computer Science 80, 1947 - 1956, international Conference on Computational Science 2016, ICCS 2016, 6-8 June 2016, San Diego, California, USA. URL: http://www.sciencedirect.com/science/article/pii/S1877050916310006 DOI: https://doi.org/10.1016/j.procs.2016.05.513

4. Cervantes, J., Taltempa, J., Garc'ıa, F., Ruiz, J., Yee, A., Jalili, L., 2017. Análisis comparativo de las técnicas utilizadas en un sistema de reconocimiento de hojas de planta. Revista Iberoamericana de Automática e Informática Industrial RIAI 14 (1), 104-114. URL: https://polipapers.upv.es/index.php/RIAI/article/view/9244 DOI: 10.1016/j.riai.2016.09.005

5. Domínguez-Tejo, E., Metternicht, G., Johnston, E. L., Hedge, L., 2018. Exploring the social dimension of sandy beaches through predictive modelling. Journal of Environmental Management 214, 379 - 407. URL: http://www.sciencedirect.com/science/article/pii/S0301479718302238 DOI: https://doi.org/10.1016/j.jenvman.2018.03.006

Cited by 16 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3