Resumen

RUIZ CARDENAS, Luis Carlos; AMAYA HURTADO, Darío  y  JIMENEZ MORENO, Robinson. Predicción de radiación solar mediante deep belief network. Tecnura [online]. 2016, vol.20, n.47, pp.39-48. ISSN 0123-921X.  https://doi.org/10.14483/udistrital.jour.tecnura.2016.1.a03.

El desarrollo continuo de las herramientas computacionales ofrece la posibilidad de realizar procesos con la capacidad de llevar a cabo actividades con mayor eficiencia, exactitud y precisión. Entre estas herramientas se encuentra la arquitectura neuronal, Deep Belief Network (DBN), diseñada con el propósito de colaborar en el desarrollo de técnicas de predicción para hallar información que permita estudiar el comportamiento de los fenómenos naturales, como lo es la radiación solar. En el presente trabajo se presentan los resultados obtenidos al manejar la arquitectura DBN para predicción de radiación solar, la cual se simula mediante la herramienta de programación Visual Studio C#, indicando el nivel de profundidad que posee esta arquitectura, como afecta la cantidad de capas y de neuronas en el entrenamiento y los resultados obtenidos para poder predecir los valores deseados en el 2014, con errores cercanos al 2 % y mayor rapidez para el entrenamiento, respecto a errores obtenidos por métodos convencionales de entrenamiento neuronal, que se encuentran por el 5% y que a su vez llevan largos periodos de entrenamiento.

Palabras clave : Accord.Net; Afforge.Net, Back propagation (BP); Contrastive Divergence (CD); Deep Belief Network (DBN); predicción de radiación solar; Restricted Boltzmann Machine (RBM); visual studio 2010-C#.

        · resumen en Inglés     · texto en Español     · Español ( pdf )