Veuillez utiliser cette adresse pour citer ce document :
https://rinacional.tecnm.mx/jspui/handle/TecNM/7426
Titre: | Modelo computacional de aprendizaje automático para la predicción de la demanda eléctrica |
Auteur(s): | Aguilar Tirado, Adrian |
metadata.dc.subject.other: | computación red neuronal energía eléctrica predicciones pronosticar |
Date de publication: | 2023-06-01 |
Editeur: | Tecnológico Nacional de México |
metadata.dc.publisher.tecnm: | Instituto Tecnológico Superior de Teziutlán |
Description: | El objetivo de esta investigación fue desarrollar un modelo computacional basado en una red neuronal recurrente de regresión para predecir la demanda de energía eléctrica. Se tomaron en cuenta múltiples variables, como el clima y la demanda consumida por los usuarios, entre otros. Para lograrlo, se recopilaron conjuntos de datos históricos de la demanda de energía en la zona oriente de los estados de Puebla y Veracruz, los cuales se utilizaron para entrenar y evaluar el modelo de red neuronal. El modelo de red neuronal fue capaz de capturar patrones complejos en los datos y generar predicciones cercanas a los valores reales de la demanda de energía eléctrica. Sin embargo, se observó que el rendimiento del modelo estaba influenciado por la calidad de los datos utilizados en el entrenamiento. Además, se exploró la arquitectura de la red neuronal recurrente (RNN) de regresión durante el proceso de prueba del modelo de predicción, demostrando ser una herramienta efectiva para pronosticar la demanda de energía eléctrica. |
metadata.dc.type: | info:eu-repo/semantics/masterThesis |
Collection(s) : | Maestría en Sistemas Computacionales |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Tesis de Maestría#Aguilar Tirado Adrián.pdf | Tesis | 3.98 MB | Adobe PDF | Voir/Ouvrir |
Licencia de Uso#Aguilar Tirado Adrián.pdf Jusqu'Ã 9999-03-15 | Licencia | 404.85 kB | Adobe PDF | Voir/Ouvrir Demander une copie |
Ce document est protégé par copyright |
Ce document est autorisé sous une licence de type Licence Creative Commons