Mostrar el registro sencillo del ítem
Análisis de componentes principales desarrollado en energías renovables. Aplicación a sistemas dinámicos y biomédicos
dc.contributor.author | Álvarez Picaza, Carlos | |
dc.contributor.author | Pisarello, María Inés | |
dc.contributor.author | Monzón, Jorge Emilio | |
dc.date.accessioned | 2021-06-03T13:17:02Z | |
dc.date.available | 2021-06-03T13:17:02Z | |
dc.date.issued | 2016-09 | |
dc.identifier.citation | Álvarez Picaza, Carlos, Pisarello, María Inés y Monzón, Jorge Emilio, 2016. Análisis de componentes principales desarrollado en energías renovables. Aplicación a sistemas dinámicos y biomédicos. En: III Congreso Argentino de Ingeniería. IX Congreso Argentino de la Enseñanza en Ingeniería. Resistencia: Universidad Nacional del Nordeste. Facultad de Ingeniería, p. 1-15. | es |
dc.identifier.uri | http://repositorio.unne.edu.ar/handle/123456789/28041 | |
dc.description.abstract | En la constante búsqueda del método automático que mejor clasifique las señales que arrojan las distintas clases de energías renovables, ya sea un algoritmo que contemple los aspectos temporales o morfológicos de la señal, es inevitable la acumulación de gran cantidad de datos. Como solución a este problema surgen técnicas estadísticas capaces de reducir el número de variables necesarias. Una consecuencia directa es la obtención de datos normalizados y procesos más eficientes que agilizan los tiempos computacionales y además economizan en espacio de almacenamiento. El análisis y la clasificación de dichas señales pueden realizarse a partir de estudios temporales y morfológicos. El Análisis de Componentes Principales (PCA) es un método que reduce la dimensión de los datos realizando un análisis de covarianza entre factores. A partir del estudio de una central eléctrica compuesta por paneles solares y aerogeneradores, conformamos una matriz dinámica; a la cual aplicamos las técnicas de PCA. Como resultado obtuvimos, en la gran mayoría, reducciones de hasta el 50 % en el número de variables. De un total de diez (10) variables originales, se logró concentrar más del 96 % de la información en sólo cinco (5) componentes principales. Además su aplicación es compatible a cualquier clase de sistemas, inclusive lo biomédicos. | es |
dc.format | application/pdf | es |
dc.format.extent | p. 1-15 | es |
dc.language.iso | spa | es |
dc.publisher | Universidad Nacional del Nordeste. Facultad de Ingeniería | es |
dc.publisher | Universidad Tecnológica Nacional. Facultad Regional Resistencia | es |
dc.rights | openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/ar/ | es |
dc.subject | PCA | es |
dc.subject | Compresión de datos | es |
dc.subject | Factores | es |
dc.title | Análisis de componentes principales desarrollado en energías renovables. Aplicación a sistemas dinámicos y biomédicos | es |
dc.type | Documento de conferencia | es |
unne.affiliation | Fil: Álvarez Picaza, Carlos. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina. | es |
unne.affiliation | Fil: Pisarello, María Inés. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina. | es |
unne.affiliation | Fil: Monzón, Jorge Emilio. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina. | es |
unne.event.city | Resistencia | es |
unne.event.country | Argentina | es |
unne.event.title | III Congreso Argentino de Ingeniería. IX Congreso Argentino de la Enseñanza en Ingeniería | es |