Resumen

Este artculo presenta el desarrollo de modelos para la prediccin de la generacin de energa en la central hidroelctrica de Samanalawewa, una de las principales de Sri Lanka. Para desarrollar los modelos de prediccin se aplicaron cuatro tcnicas estadsticas y de aprendizaje automtico basadas en la regresin. Como principales variables de entrada se utilizaron datos de precipitaciones en seis lugares de la cuenca hidrogrfica del embalse de Samanalawewa desde 1993 hasta 2019. Tambin se incorporaron la temperatura mnima y mxima y la evaporacin en el emplazamiento del embalse. Las colinealidades entre las variables se investigaron mediante los coeficientes de correlacin de Pearsons y Spearmans. Se comprob que las precipitaciones en un lugar tienen menos impacto en la generacin de energa, mientras que las de otros lugares estn muy correlacionadas entre s. Se desarrollaron modelos de prediccin basados en datos mensuales y trimestrales, y se evalu su rendimiento en trminos de coeficiente de correlacin (), error porcentual medio absoluto (MAPE), relacin entre el error cuadrtico medio (RMSE) y la desviacin estndar de los datos medidos (RSR), BIAS y nmero de Nash. De la regresin de procesos gaussianos (GPR), la regresin de vectores de soporte (SVR), la regresin lineal mltiple (MLR) y la regresin de potencia (PR), las tcnicas de aprendizaje automtico (GPR y SVR) produjeron los modelos de prediccin comparativamente ms precisos. Siendo el modelo de prediccin ms preciso, la GPR produjo el mejor coeficiente de correlacin cercano a 1 con un error muy reducido. Este modelo podra utilizarse para predecir la generacin hidroelctrica en la central de Samanalawewa a partir de la previsin de precipitaciones.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Desarrollo; Modelos de predicción; Datos pluviométricos; Técnicas de aprendizaje automático; Coeficiente de correlación; Generación hidroeléctrica
• Keywords:Development; Prediction models; Rainfall data; Machine learning techniques; Correlation coefficient; Hydropower generation