Predicción de la radiación solar en Iquitos utilizando modelos de redes neuronales artificiales y de series temporales

Abstract

This study investigated the predictive capability of Artificial Neural Network (ANN) models and time series statistical models in predicting solar radiation in Iquitos. The problem was formulated to address the need for accurate predictive tools in the context of solar energy, a key renewable source. The objectives were focused on comparing these two approaches to identify the most effective in terms of accuracy and reliability. The methodology involved the collection of historical meteorological data, followed by the implementation and comparison of both models using indicators such as Mean Squared Error (MSE) and the correlation coefficient (R). The results revealed that, in the testing phase, the ANN model achieved an MSE of 4.3404 and an R of 0.95, surpassing the time series model, which registered an MSE of 647.8323 and an R of 0.83 in the same phase. We conclude that Artificial Neural Networks provide a more accurate and reliable approach to predicting solar radiation in Iquitos compared to time series models. This finding underscores the potential of advanced machine learning techniques in climate prediction and their relevance for energy and environmental planning. However, it is recognized that no model is universally superior, and the choice should be based on a combination of accuracy, reliability, interpretability, and adaptability to specific data.

Este estudio investigó la capacidad predictiva de los modelos de Redes Neuronales Artificiales (RNA) y modelos estadísticos de series temporales en la predicción de la radiación solar en Iquitos. Se formuló el problema para abordar la necesidad de herramientas predictivas precisas en el contexto de la energía solar, una fuente renovable clave. Los objetivos se centraron en comparar estos dos enfoques para identificar el más eficaz en términos de precisión y fiabilidad. La metodología implicó la recolección de datos meteorológicos históricos, seguida de la implementación y comparación de ambos modelos utilizando indicadores como el Error Cuadrático Medio (MSE) y el coeficiente de correlación (R). Los resultados revelaron que, en la fase de prueba, el modelo de RNA obtuvo un MSE de 4.3404 y un R de 0.95, superando al modelo de series temporales, que registró un MSE de 647.8323 y un R de 0.83 en la misma fase. Concluimos que las Redes Neuronales Artificiales proporcionan un enfoque más preciso y fiable para predecir la radiación solar en Iquitos en comparación con los modelos de series temporales. Este hallazgo subraya el potencial de las técnicas avanzadas de aprendizaje automático en la predicción climática y su relevancia para la planificación energética y ambiental. Sin embargo, se reconoce que ningún modelo es universalmente superior, y la elección debe basarse en una combinación de precisión, confiabilidad, interpretabilidad y adaptabilidad a los datos específicos.