基于机器学习模型的UTEQ太阳辐射预测
机器学习
2024-01-01 v1
摘要
本研究探讨了用于预测克韦多国立技术大学（UTEQ）中心校区太阳辐射的各种机器学习（ML）模型的有效性。数据来自一个太阳辐射计，战略性地放置在校园的高处。该仪器自2020年以来连续记录太阳辐照度数据，提供了涵盖各种天气条件和时间变化的全面数据集。经过相关性分析，温度和一天中的时间被确定为影响太阳辐照度的相关气象变量。使用评估指标均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（）比较了不同的机器学习算法，如线性回归、K近邻、决策树和梯度提升。研究表明，梯度提升回归器表现出优越的性能，紧随其后的是随机森林回归器。这些模型有效地捕捉了太阳辐射中的非线性模式，其低MSE和高值证明了这一点。为了评估我们ML模型的性能，我们开发了一个基于网络的工具，用于UTEQ的太阳辐射预测，可在http://https://solarradiationforecastinguteq.streamlit.app/获取。获得的结果证明了我们的ML模型在太阳辐射预测中的有效性，并为实时太阳辐射预测提供了实用工具，有助于高效的太阳能管理。
引用
@article{arxiv.2312.17659,
title = {Solar Radiation Prediction in the UTEQ based on Machine Learning Models},
author = {Jordy Anchundia Troncoso and Ángel Torres Quijije and Byron Oviedo and Cristian Zambrano-Vega},
journal= {arXiv preprint arXiv:2312.17659},
year = {2024}
}