Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/77452
Título: Redes neuronales LSTM aplicadas a la predicción de oleaje en tiempo real para generación de energía undimotriz en las Islas Canarias
Autores/as: Hernández, Carlos
Méndez Babey, Máximo 
Aguasca Colomo, Ricardo 
González Landín, Begoña 
Clasificación UNESCO: 120304 Inteligencia artificial
1206 Análisis numérico
Fecha de publicación: 2020
Conferencia: International Conference of Productions Research Americas 2020 (ICPR-Americas 2020) 
Resumen: En las Islas Canarias (España), región ultraperiférica de la Comunidad Europea, la explotación de las energías renovables, como viento, oleaje y sol, proporciona una mayor independencia energética. Para ello es necesario desarrollar modelos de predicción que optimicen el aprovechamiento de dichos recursos. Específicamente, con sistemas de energía undimotriz, la eficiencia de los mismos requiere del conocimiento futuro de las olas incidentes. Con este propósito, se propone en este trabajo la utilización de herramientas basadas en Deep Learning. Además, para la validación de la propuesta, se realiza una comparación de rendimientos entre modelos predictivos basados en redes neuronales recurrentes, concretamente una extensión de estas denominadas LSTM (Long Short Term Memory), y un modelo de predicción autorregresivo cuyos parámetros se calculan utilizando las ecuaciones de Yule-Walker. Se han utilizado dos series temporales de datos de oleaje con distintas características. Para evaluar la eficiencia de los modelos propuestos se ha utilizado el error cuadrático medio, obteniendo los mejores resultados con la red Vanilla LSTM.
URI: http://hdl.handle.net/10553/77452
Fuente: International Conference of Production Research-Américas 2020 (ICPR-Américas 2020). Bahía Blanca, Argentina. 2020
Colección:Actas de congresos
Vista completa

Visitas

420
actualizado el 07-sep-2024

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.