@article{Jimenez2017Estimacion,
	title = {Estimación de {Radiación} {Solar} {Horaria} {Utilizando} {Modelos} {Empíricos} y {Redes} {Neuronales} {Artificiales}},
	issn = {2344-9217},
	url = {http://www.sebastianrodriguez.com.ar/files/Jimenez_et_al_2017_Estimación_de_Radiación_Solar_Horaria_Utilizando_Modelos_Empíricos_y_Redes.pdf},
	doi = {10.18682/cyt.v1i17.608},
	abstract = {La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo, adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoŕıa utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0\% (Root Mean Squared Error) con regresión lineal y 7.84\% con redes neuronales.},
	number = {17},
	journal = {Revista de Ciencia y Tecnología de la Universidad de Palermo},
	author = {Jimenez, Victor A. and Will, Adrian and Rodriguez, Sebastian},
	month = dec,
	year = {2017},
	note = {tex.url\_other= https://dspace.palermo.edu/ojs/index.php/cyt/article/view/608},
	keywords = {Energ\{́ı\}a Renovable, Modelos Emp\{́ı\}ricos, Radiación Solar Horaria, Redes Neuronales Feedforward, conicetInforme1617, regresión lineal},
	pages = {29--43},
}

{"_id":"P5umBFgMKcPxGrQhB","bibbaseid":"jimenez-will-rodriguez-estimacinderadiacinsolarhorariautilizandomodelosempricosyredesneuronalesartificiales-2017","author_short":["Jimenez, V. A.","Will, A.","Rodriguez, S."],"bibdata":{"bibtype":"article","type":"article","title":"Estimación de Radiación Solar Horaria Utilizando Modelos Empíricos y Redes Neuronales Artificiales","issn":"2344-9217","url":"http://www.sebastianrodriguez.com.ar/files/Jimenez_et_al_2017_Estimación_de_Radiación_Solar_Horaria_Utilizando_Modelos_Empíricos_y_Redes.pdf","doi":"10.18682/cyt.v1i17.608","abstract":"La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo, adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoŕıa utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0% (Root Mean Squared Error) con regresión lineal y 7.84% con redes neuronales.","number":"17","journal":"Revista de Ciencia y Tecnología de la Universidad de Palermo","author":[{"propositions":[],"lastnames":["Jimenez"],"firstnames":["Victor","A."],"suffixes":[]},{"propositions":[],"lastnames":["Will"],"firstnames":["Adrian"],"suffixes":[]},{"propositions":[],"lastnames":["Rodriguez"],"firstnames":["Sebastian"],"suffixes":[]}],"month":"December","year":"2017","note":"tex.url_other= https://dspace.palermo.edu/ojs/index.php/cyt/article/view/608","keywords":"Energ\\́ı\\a Renovable, Modelos Emp\\́ı\\ricos, Radiación Solar Horaria, Redes Neuronales Feedforward, conicetInforme1617, regresión lineal","pages":"29–43","bibtex":"@article{Jimenez2017Estimacion,\n\ttitle = {Estimación de {Radiación} {Solar} {Horaria} {Utilizando} {Modelos} {Empíricos} y {Redes} {Neuronales} {Artificiales}},\n\tissn = {2344-9217},\n\turl = {http://www.sebastianrodriguez.com.ar/files/Jimenez_et_al_2017_Estimación_de_Radiación_Solar_Horaria_Utilizando_Modelos_Empíricos_y_Redes.pdf},\n\tdoi = {10.18682/cyt.v1i17.608},\n\tabstract = {La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo, adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoŕıa utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0\\% (Root Mean Squared Error) con regresión lineal y 7.84\\% con redes neuronales.},\n\tnumber = {17},\n\tjournal = {Revista de Ciencia y Tecnología de la Universidad de Palermo},\n\tauthor = {Jimenez, Victor A. and Will, Adrian and Rodriguez, Sebastian},\n\tmonth = dec,\n\tyear = {2017},\n\tnote = {tex.url\\_other= https://dspace.palermo.edu/ojs/index.php/cyt/article/view/608},\n\tkeywords = {Energ\\{́ı\\}a Renovable, Modelos Emp\\{́ı\\}ricos, Radiación Solar Horaria, Redes Neuronales Feedforward, conicetInforme1617, regresión lineal},\n\tpages = {29--43},\n}\n\n","author_short":["Jimenez, V. A.","Will, A.","Rodriguez, S."],"key":"Jimenez2017Estimacion","id":"Jimenez2017Estimacion","bibbaseid":"jimenez-will-rodriguez-estimacinderadiacinsolarhorariautilizandomodelosempricosyredesneuronalesartificiales-2017","role":"author","urls":{"Paper":"http://www.sebastianrodriguez.com.ar/files/Jimenez_et_al_2017_Estimación_de_Radiación_Solar_Horaria_Utilizando_Modelos_Empíricos_y_Redes.pdf"},"keyword":["Energ\\́ı\\a Renovable","Modelos Emp\\́ı\\ricos","Radiación Solar Horaria","Redes Neuronales Feedforward","conicetInforme1617","regresión lineal"],"metadata":{"authorlinks":{}}},"bibtype":"article","biburl":"https://api.zotero.org/users/629018/collections/IH38WM4M/items?key=6tmWCKu5rNjpMYBCLquGea4A&format=bibtex&limit=100","dataSources":["dpS26Nm5wBb9pZTfk"],"keywords":["energ\\́ı\\a renovable","modelos emp\\́ı\\ricos","radiación solar horaria","redes neuronales feedforward","conicetinforme1617","regresión lineal"],"search_terms":["estimaci","radiaci","solar","horaria","utilizando","modelos","emp","ricos","redes","neuronales","artificiales","jimenez","will","rodriguez"],"title":"Estimación de Radiación Solar Horaria Utilizando Modelos Empíricos y Redes Neuronales Artificiales","year":2017}