Estimating missing data in historic series of global radiation through neural network algorithms
DOI:
https://doi.org/10.18046/syt.v14i37.2239Keywords:
Neural network, weights, bias, editing, imputation.Abstract
In data processing time series of meteorological data problems, you are incomplete in some time intervals; it addresses the issue commonly using the autoregressive integrated moving average (ARIMA) or the method by regression analysis (interpolation), both with certain limitations under particular conditions. This paper presents the results of an investigation aimed at solving the problem using neural networks reported. The analysis of a time series of global radiation obtained at the Francisco de Paula Santander University (UFPS) is presented, with basis in the recorded data by the weather station attached to the Department of Fluids and Thermals. Having a series of ten-year study for 125,658 records of temperature, radiation and energy with a percentage of 9.98 missing data, which were duly cleared and completed by a neural network using algorithms backpropagation in the mathematical software MATLABReferences
Basheer, L., & Hajmeer, M., (2000). Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods, 43(1), 3-31.
Colmenares, G. (n.d.). Análisis multivariante inteligencia artificial y sus aplicaciones [material del curso - Postgrado en Economía]. Mérida, Venezuela: Universidad de los Andes. Retrieved from: http://www.webdelprofesor.ula.ve/economia/gcolmen/postgrado2.html
Hamzaoui A., Hernández J., Martinez, S., Bassam, A., Álvarez, A., & Lizama, C. (2011). Optimal performance of COD removal during aqueous treatment of alazine and gesaprim commercial herbicides by direct and inverse neural network. Desalination, 277(1), 325-337.
Hernández, J., Bassam, A., Siqueiros, j., & Juarez, D., (2009). Optimum operating conditions for a water purification process integrated to a heat transformer with energy recycling using neural network inverse. Renewable Energy, 34(4), 1084-1091.
Infante, S., Ortega J., & Cedeño, F. (2008). Estimación de datos faltantes en estaciones meteorológicas de Venezuela vía un modelo de redes neuronales. Revista de climatología. 8, 51-70.
Jamett, M. (2004). Feedforward convergence and stability analysis from a set perspective: State estimation approach [doctoral thesis]. Universidad de Santiago de Chile.
Leal, F. & Hernández, M. (2013). Estudio del potencial eólico y solar de Cúcuta, Norte de Santander. Revista Colombiana de Tecnologías de Avanzada, 2(22), 27-33.
Medina, R. (2008). Estimación estadística de valores faltantes en series históricas de lluvia [thesis]. Pereira, Colombia: Universidad Tecnológica de Pereira.
Ponce, P. (2010). Inteligencia artificial con aplicaciones a la ingeniería [1ª ed.]. México DF: alfaomega.
Ramírez, F. (2010). Sistema para la predicción de posición y seguimiento de un conjunto de náufragos basado en redes neuronales [tesis de maestría]. Universidad Complutense de Madrid: España.
San Juan, E., Jamett, M., Kaschel, H., & Sánchez, L. (2015). Sistema de reconocimiento de voz mediante wavelets, predicción lineal y redes backpropagation. Ingeniare. Revista chilena de ingeniería, 24(1), 8-17.
Serlin, J. (2010). Conocimiento de la gestión de las organizaciones: sistemas complejos dinámicos inestables adaptativos [doctoral thesis]. Argentina: Universidad de Buenos Aires.
Sumathi, S., Ashok, L., & Surekha, P., (2015). Solar PV and wind energy conversion systems: an introduction to theory, modeling with matlab/simulink, and the role of sofy computing techniques [1a ed.]. Cham, Switzerland: Springer. doi:10.1007/978-3-319-14941-7.
Unidad de Planeación Minero Energética [UPME], Instituto de Hidrología,
Meteorología y Estudios Ambientales [IDEAM]. (2005). Atlas de radiación solar en Colombia. Bogotá, Colombia: UPME/IDEAM.
Vásquez, A., Rojas, J., & Duarte, E. (2015). Evaluación y caracterización del recurso eólico en la Universidad Francisco de Paula Santander Cúcuta y prospectiva para el aprovechamiento energético en el Norte de Santander. El Hombre y la Máquina, 46, 144-152.
Colmenares, G. (n.d.). Análisis multivariante inteligencia artificial y sus aplicaciones [material del curso - Postgrado en Economía]. Mérida, Venezuela: Universidad de los Andes. Retrieved from: http://www.webdelprofesor.ula.ve/economia/gcolmen/postgrado2.html
Hamzaoui A., Hernández J., Martinez, S., Bassam, A., Álvarez, A., & Lizama, C. (2011). Optimal performance of COD removal during aqueous treatment of alazine and gesaprim commercial herbicides by direct and inverse neural network. Desalination, 277(1), 325-337.
Hernández, J., Bassam, A., Siqueiros, j., & Juarez, D., (2009). Optimum operating conditions for a water purification process integrated to a heat transformer with energy recycling using neural network inverse. Renewable Energy, 34(4), 1084-1091.
Infante, S., Ortega J., & Cedeño, F. (2008). Estimación de datos faltantes en estaciones meteorológicas de Venezuela vía un modelo de redes neuronales. Revista de climatología. 8, 51-70.
Jamett, M. (2004). Feedforward convergence and stability analysis from a set perspective: State estimation approach [doctoral thesis]. Universidad de Santiago de Chile.
Leal, F. & Hernández, M. (2013). Estudio del potencial eólico y solar de Cúcuta, Norte de Santander. Revista Colombiana de Tecnologías de Avanzada, 2(22), 27-33.
Medina, R. (2008). Estimación estadística de valores faltantes en series históricas de lluvia [thesis]. Pereira, Colombia: Universidad Tecnológica de Pereira.
Ponce, P. (2010). Inteligencia artificial con aplicaciones a la ingeniería [1ª ed.]. México DF: alfaomega.
Ramírez, F. (2010). Sistema para la predicción de posición y seguimiento de un conjunto de náufragos basado en redes neuronales [tesis de maestría]. Universidad Complutense de Madrid: España.
San Juan, E., Jamett, M., Kaschel, H., & Sánchez, L. (2015). Sistema de reconocimiento de voz mediante wavelets, predicción lineal y redes backpropagation. Ingeniare. Revista chilena de ingeniería, 24(1), 8-17.
Serlin, J. (2010). Conocimiento de la gestión de las organizaciones: sistemas complejos dinámicos inestables adaptativos [doctoral thesis]. Argentina: Universidad de Buenos Aires.
Sumathi, S., Ashok, L., & Surekha, P., (2015). Solar PV and wind energy conversion systems: an introduction to theory, modeling with matlab/simulink, and the role of sofy computing techniques [1a ed.]. Cham, Switzerland: Springer. doi:10.1007/978-3-319-14941-7.
Unidad de Planeación Minero Energética [UPME], Instituto de Hidrología,
Meteorología y Estudios Ambientales [IDEAM]. (2005). Atlas de radiación solar en Colombia. Bogotá, Colombia: UPME/IDEAM.
Vásquez, A., Rojas, J., & Duarte, E. (2015). Evaluación y caracterización del recurso eólico en la Universidad Francisco de Paula Santander Cúcuta y prospectiva para el aprovechamiento energético en el Norte de Santander. El Hombre y la Máquina, 46, 144-152.
Downloads
Published
2016-08-05
Issue
Section
Original Research
License
This journal is licensed under the terms of the CC BY 4.0 licence (https://creativecommons.org/licenses/by/4.0/legalcode).
