Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión

Autores
Lopresti, Laura Andrea; Speroni, Lucas; Gavino, Sergio; Fuertes, Laura Leonor; Defranco, Gabriel
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalúa el desempeño de tres modelos de aprendizaje automático—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptrón Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satélite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante métricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logró resultados comparables con mayor robustez. El análisis también evidenció sesgos sistemáticos y efectos de discretización en modelos basados enárboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeño confiable. Mejoras significativas podrían lograrse mediante la incorporación de variables meteorológicas adicionales y datos de mayor calidad.
Facultad de Ingeniería
Materia
Ingeniería
Extensión universitaria
escuelas secundarias
sistemas de representación
Mecanismo Cruz de Malta
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/186894

id SEDICI_ac8e0868705f08131aef5f8119595b2c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/186894
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensiónLopresti, Laura AndreaSperoni, LucasGavino, SergioFuertes, Laura LeonorDefranco, GabrielIngenieríaExtensión universitariaescuelas secundariassistemas de representaciónMecanismo Cruz de MaltaLa estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalúa el desempeño de tres modelos de aprendizaje automático—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptrón Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satélite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante métricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logró resultados comparables con mayor robustez. El análisis también evidenció sesgos sistemáticos y efectos de discretización en modelos basados enárboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeño confiable. Mejoras significativas podrían lograrse mediante la incorporación de variables meteorológicas adicionales y datos de mayor calidad.Facultad de Ingeniería2023-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf55-75http://sedici.unlp.edu.ar/handle/10915/186894spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-12-23T11:53:25Zoai:sedici.unlp.edu.ar:10915/186894Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-12-23 11:53:25.935SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
title Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
spellingShingle Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
Lopresti, Laura Andrea
Ingeniería
Extensión universitaria
escuelas secundarias
sistemas de representación
Mecanismo Cruz de Malta
title_short Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
title_full Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
title_fullStr Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
title_full_unstemmed Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
title_sort Modelado e impresión 3D de mecanismo cruz de Malta como práctica de extensión
dc.creator.none.fl_str_mv Lopresti, Laura Andrea
Speroni, Lucas
Gavino, Sergio
Fuertes, Laura Leonor
Defranco, Gabriel
author Lopresti, Laura Andrea
author_facet Lopresti, Laura Andrea
Speroni, Lucas
Gavino, Sergio
Fuertes, Laura Leonor
Defranco, Gabriel
author_role author
author2 Speroni, Lucas
Gavino, Sergio
Fuertes, Laura Leonor
Defranco, Gabriel
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ingeniería
Extensión universitaria
escuelas secundarias
sistemas de representación
Mecanismo Cruz de Malta
topic Ingeniería
Extensión universitaria
escuelas secundarias
sistemas de representación
Mecanismo Cruz de Malta
dc.description.none.fl_txt_mv La estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalúa el desempeño de tres modelos de aprendizaje automático—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptrón Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satélite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante métricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logró resultados comparables con mayor robustez. El análisis también evidenció sesgos sistemáticos y efectos de discretización en modelos basados enárboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeño confiable. Mejoras significativas podrían lograrse mediante la incorporación de variables meteorológicas adicionales y datos de mayor calidad.
Facultad de Ingeniería
description La estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalúa el desempeño de tres modelos de aprendizaje automático—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptrón Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satélite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante métricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logró resultados comparables con mayor robustez. El análisis también evidenció sesgos sistemáticos y efectos de discretización en modelos basados enárboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeño confiable. Mejoras significativas podrían lograrse mediante la incorporación de variables meteorológicas adicionales y datos de mayor calidad.
publishDate 2023
dc.date.none.fl_str_mv 2023-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/186894
url http://sedici.unlp.edu.ar/handle/10915/186894
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc/4.0/
Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.format.none.fl_str_mv application/pdf
55-75
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1852334839321067520
score 13.049097