Mostra el registre d'ítem simple
Predicció de producció de les plaques solars amb inteligència artificial
dc.contributor | Prieto Araujo, Eduardo |
dc.contributor.author | Sanz Alasà, Mariano |
dc.contributor.other | Universitat Politècnica de Catalunya. Departament d'Enginyeria Elèctrica |
dc.date.accessioned | 2020-11-25T09:54:04Z |
dc.date.available | 2020-11-25T09:54:04Z |
dc.date.issued | 2020-07-09 |
dc.identifier.uri | http://hdl.handle.net/2117/333120 |
dc.description.abstract | El objetivo principal de este trabajo de fin de grado es mostrar de una forma clara y didáctica cómo se resuelve un problema de predicción de datos mediante las herramientas que nos proporciona el machine learning. El trabajo está centrado en el análisis estadístico desde una perspectiva de la regresión. En este trabajo de fin de grado se explica, paso por paso, todo el proceso del análisis de datos, mediante el lenguaje Python, de un caso particular, pero puede servir como guía para hacer análisis que tengan como objetivo la predicción de valores. Primero se empieza con la carga y la preparación del conjunto de datos a estudiar. En esta primera parte se utilizan las herramientas proporcionadas por las librerías Numpy y Pandas, además de crear funciones propias. En la segunda parte del trabajo se explican detalladamente los algoritmos de regresión más importantes del machine learning, y también se aplican al conjunto de datos utilizando la librería Scikit-learn. Una vez aplicados todos los métodos, se comparan utilizando una métrica que evalúa el comportamiento del algoritmo. Después de haber comparado todos los métodos, se llega a unos resultados bastante óptimos. El mejor resultado se obtiene con un algoritmo llamado Random Forest, que consigue alcanzar una puntuación de 0.93 sobre 1, es decir, consigue un resultado excelente. Este trabajo de fin de grado pretende ejercer como una guía para resolver problemas de predicción de valores mediante regresión. Pero se debe tener en cuenta que esta guía está hecha a partir de un caso particular, por eso no se puede sacar la conclusión de que el algoritmo con el que se ha conseguido el mejor resultado es el mejor algoritmo de regresión en general, sino que es el algoritmo que mejor se ajusta a este conjunto de datos en particular. |
dc.language.iso | spa |
dc.publisher | Universitat Politècnica de Catalunya |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ |
dc.subject | Àrees temàtiques de la UPC::Energies |
dc.subject.lcsh | Solar energy |
dc.subject.lcsh | Machine learning |
dc.title | Predicció de producció de les plaques solars amb inteligència artificial |
dc.type | Bachelor thesis |
dc.subject.lemac | Energia solar |
dc.subject.lemac | Aprenentatge automàtic |
dc.identifier.slug | ETSEIB-240.155438 |
dc.rights.access | Open Access |
dc.date.updated | 2020-09-25T04:37:16Z |
dc.audience.educationlevel | Grau |
dc.audience.mediator | Escola Tècnica Superior d'Enginyeria Industrial de Barcelona |
dc.audience.degree | GRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010) |