Evaluación de algoritmos de aprendizaje automático para la clasificación de días de cielo claro

• Autores: Cinco Reynaga, Pablo; Ledesma, Rubén Darío
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Exactas; Informática; Irradiancia solar; GHI; Aprendizaje Automático; MLP; KNN; Solar Irradiance; Machine Learning
• Institución: Universidad Nacional de La Plata

El siguiente trabajo busca aplicar y comparar diferentes algoritmos de aprendizaje automático al problema de identificar días de cielo claro en los conjuntos de datos de radiación solar, con el objetivo de evaluar su desempeño. Se utilizará un conjunto de datos de la localidad de Cerrillos, Salta, Argentina para entrenar diferentes algoritmos de aprendizaje supervisado (Perceptrón multicapa y K-vecinos más cercanos), implementando técnicas de reducción de dimensión (Análisis de componen- tes principales), estimación de hiperparámetros (gridsearch) y, por último, se contrastarán los resultados mediante una matriz de confusión utilizando la precisión como métrica de desempeño.
The following work seeks to apply and compare different machine learning algorithms to the problem of identifying clear-sky days in solar radiation datasets, with the aim of evaluating their per- formance. A dataset from the town of Cerrillos, Salta, Argentina will be used to train different supervised learning algorithms (Multilayer Perceptron and K-Nearest Neighbors), implementing dimension reduc- tion techniques (Principal Component Analysis), hyperparameter estimation (GridSearch), and finally, the results will be contrasted using a confusion matrix using precision as a performance metric.
Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)