Iván Patricio Quinteros Campaña, Paúl Michael Tafur Escanta
{"title":"Salinas de urcuqui的太阳辐射预测:统计数学模型","authors":"Iván Patricio Quinteros Campaña, Paúl Michael Tafur Escanta","doi":"10.55204/trc.v3i2.e203","DOIUrl":null,"url":null,"abstract":"Este trabajo se enfoca en plantear modelos de predicción asociados a la radiación solar incidente sobre la superficie terrestre de la parroquia de Tumbabiro en Urcuquí – Imbabura. La metodología está basada en obtener un modelo óptimo donde se utiliza modelos de predicción que responden a distintos métodos estadísticos. Los datos de los parámetros fundamentales que afectan a la radiación solar se obtienen de la base de datos que proporciona el NREL. Se utiliza modelos AR, ARMA, ARMAX y de Redes Neuronales Recurrentes-RNN, donde se realiza una contrastación modelos predictivos estadísticamente significativos, permitiendo observar que, de los primeros, es significativo un ARMAX(1,1), con un error de 9.87%; pero, los mejores pronósticos se obtuvieron del modelo LSTM con error del 0.18%.","PeriodicalId":498540,"journal":{"name":"Tesla Revista Científica","volume":"17 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Predicción de radiación solar en Salinas de Urcuquí: Modelo estadístico matemático\",\"authors\":\"Iván Patricio Quinteros Campaña, Paúl Michael Tafur Escanta\",\"doi\":\"10.55204/trc.v3i2.e203\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Este trabajo se enfoca en plantear modelos de predicción asociados a la radiación solar incidente sobre la superficie terrestre de la parroquia de Tumbabiro en Urcuquí – Imbabura. La metodología está basada en obtener un modelo óptimo donde se utiliza modelos de predicción que responden a distintos métodos estadísticos. Los datos de los parámetros fundamentales que afectan a la radiación solar se obtienen de la base de datos que proporciona el NREL. Se utiliza modelos AR, ARMA, ARMAX y de Redes Neuronales Recurrentes-RNN, donde se realiza una contrastación modelos predictivos estadísticamente significativos, permitiendo observar que, de los primeros, es significativo un ARMAX(1,1), con un error de 9.87%; pero, los mejores pronósticos se obtuvieron del modelo LSTM con error del 0.18%.\",\"PeriodicalId\":498540,\"journal\":{\"name\":\"Tesla Revista Científica\",\"volume\":\"17 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-10-18\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Tesla Revista Científica\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.55204/trc.v3i2.e203\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tesla Revista Científica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55204/trc.v3i2.e203","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Predicción de radiación solar en Salinas de Urcuquí: Modelo estadístico matemático
Este trabajo se enfoca en plantear modelos de predicción asociados a la radiación solar incidente sobre la superficie terrestre de la parroquia de Tumbabiro en Urcuquí – Imbabura. La metodología está basada en obtener un modelo óptimo donde se utiliza modelos de predicción que responden a distintos métodos estadísticos. Los datos de los parámetros fundamentales que afectan a la radiación solar se obtienen de la base de datos que proporciona el NREL. Se utiliza modelos AR, ARMA, ARMAX y de Redes Neuronales Recurrentes-RNN, donde se realiza una contrastación modelos predictivos estadísticamente significativos, permitiendo observar que, de los primeros, es significativo un ARMAX(1,1), con un error de 9.87%; pero, los mejores pronósticos se obtuvieron del modelo LSTM con error del 0.18%.