Concordances from the Ingeniería corpus
concentraciones de humedad , ya que a temperaturas mayores al ambiente , se presentan
problemas
de condensación en la cámara de prueba . Al imponer las restricciones en presión
viento para horizontes de más de 5 horas . Como una alternativa para resolver este
problema
, se encuentran los métodos que utilizan herramientas de IA , como por ejemplo ,
de soporte vectorial ( SVM ) ( Vapnik , 1998 ) , diseñados para abordar
problemas
complejos que los métodos convencionales no son capaces . Estos métodos “ aprenden
pronosticar la potencia eólica . Redes Bayesianas y redes Bayesianas dinámicas El
problema
de la energía eólica es su fluctuación en la potencia y su variabilidad de disponibilidad
fluctuación en la potencia y su variabilidad de disponibilidad . Es decir , es un
problema
con incertidumbre . De los métodos de IA idóneos para tratar con problemas con
es un problema con incertidumbre . De los métodos de IA idóneos para tratar con
problemas
con incertidumbre , las Redes Bayesianas ( RB ) han demostrado su utilidad en aplicaciones
} donde representa a la variable Xi en el tiempo t . Entonces , el
problema
de pronóstico se convierte en donde es la variable de interés al tiempo T ,
muestran errores menores . Por otro lado , otra medida para calcular el error en
problemas
de pronóstico es el error cuadrático medio ( rms , por su sigla en inglés
nuestras RBD consiste en la correspondencia entre las suposiciones realizadas para el
problema
de pronóstico y la formación de la estructura de la RBD , en contraparte a
que la Inteligencia Artificial tiene mucho que ofrecer en la solución de muchos
problemas
relacionados con las energías renovables . La IA ofrece mecanismos de aprendizaje
de conocimiento que pueden traducirse en métodos más eficientes de solución de
problemas
. Este trabajo de investigación es el preámbulo de un tema extenso . El trabajo
A grandes rasgos , dicha metodología plantea el proceso de calibración como un
problema
de optimización , en el que se buscan aquellas combinaciones de parámetros de entrada
de caudal original . Dado el carácter no - lineal y multi - objetivo del
problema
planteado , se seleccionó un método heurístico de resolución : el algoritmo genético
, del cual se escogen las soluciones – ya que , por las características del
problema
, varias combinaciones de parámetros pueden dar la misma solución como resultado
p7 ) . Ello permitiría explorar otros métodos de resolución más eficientes del
problema
de optimización que se ha planteado en el proceso de calibración , como , por ejemplo
en el motor de inducción ( y evidentemente muy bajo ) , mientras que ese
problema
se resuelve en el PMa - SynRM , dando un valor del factor de potencia
las variables fueron autoescaladas a media cero y unidad de varianza , evitando los
problemas
debido a las diferentes escalas de medición y rangos numéricos variables que presentan