Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/228
Título : Predicción de la demanda eléctrica, utilizando un modelo de aprendizaje
Autor : Albán Silva, Esteban Israel
Alemán Quimbiulco, David Alberto
Palabras clave : INGENIERIA DE SOFTWARE
DESARROLLO DE SOFTWARE
INTELIGENCIA ARTIFICIAL
PROBABILIDAD Y ESTADISTICA
Fecha de publicación : jul-2006
Editorial : QUITO/ EPN/ 2006
Resumen : Una de las ventajas de poder aplicar modelos de aprendizaje de máquina para la predicción, es que se pude tener alternativas de aplicación con el fin de tener a la mano varias opciones con el objetivo de obtener un mejor análisis de la información. El objetivo del presente trabajo es predecir la demanda de energía eléctrica en función de un modelo de aprendizaje alternativo, para lo cual se describe brevemente el contenido del mismo. Se realiza una descripción teórica de lo que involucra el aprendizaje de máquina, mencionando, algunos de los modelos de aprendizaje. Además, se describe brevemente la situación actual del Sistema Nacional Interconectado, la forma de operación de este, así como también las empresas que conforman el mismo, además se conocen los modelos que realizan actualmente la predicción de la demanda. También se realiza la selección del modelo de aprendizaje a utilizarse además del desarrollo de la metodología con la se realizó la aplicación, para terminar con un análisis de resultados obtenidos una vez aplicado el modelo de aprendizaje. Estos resultados se comparan con el modelo ARIMA, para ver la eficacia de las predicciones realizadas. Por último se presentan las conclusiones y recomendaciones obtenidas de la experiencia de haber realizado éste trabajo.
URI : http://bibdigital.epn.edu.ec/handle/15000/228
Aparece en las colecciones: Tesis Sistemas Informáticos y de Computación (ISIS)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
CD-0229.pdfTESIS COMPLETA1,3 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.