Look-up in Google Scholar
Full metadata record
Requejo Chaname, Walter Juan
Jhong Guillen, Shirley Julissa
2020-02-25T23:09:57Z
2020-02-25T23:09:57Z
2020-02-25T23:09:57Z
2020-02-25T23:09:57Z
2019
https://hdl.handle.net/20.500.12802/6768
La investigación denominada “Análisis comparativo de las técnicas de minería de datos para la estimación de consumos de energía eléctrica en la empresa ELECTRONORTE S.A.” tiene como objetivo analizar los diversos algoritmos de aprendizaje de minería de datos para el diseño de modelos con tendencia predictiva en los sistemas de Inteligencia de Negocios. La minería de datos es una herramienta que permita a través de la exploración y análisis de datos extraer patrones de comportamiento en el histórico de datos de determinado fenómeno (Institución, Empresa, etc.), según la naturaleza del fenómeno y los datos se aplican diversas técnicas, siendo relevante mencionar a técnicas como Regresión, Clasificación, Asociación y Agrupación; esta exploración se realiza mediante algoritmos computacionales de aprendizaje. El ámbito de aplicación de éstas técnicas, en esta investigación se localiza en los datos de los clientes de la empresa ELECTRONORTE S.A., empresa del rubro eléctrico de servicios públicos, siendo el objetivo de la misma analizar los datos con respecto al comportamiento de consumo eléctrico de los clientes para determinados periodos comerciales. Por lo tanto, el tipo de modelo se asocia con las técnicas de Regresión o series de tiempo, ya que se pretende realizar estimaciones de los consumos de energía eléctrica de los clientes. Evidentemente es un caso de pronósticos de series de tiempo, para lo cual se conocen diversos algoritmos como es el caso de Holtwinters, ARIMA, ETS, Redes Neuronales, entre otros, con los cuales se puede realizar el pronóstico según el análisis histórico de la serie de tiempo. Se sabe también que cada algoritmo puede ser aplicado a una realidad específica, siendo el ámbito energético al cual se someterán a evaluación los mencionados algoritmos para establecer cual tiene mejor precisión en el desarrollo de modelos predictivos orientado a este problema. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Señor de Sipán (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
Atribución-NoComercial-SinDerivadas 2.5 Perú (*)
Atribución-NoComercial-SinDerivadas 2.5 Perú (*)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (*)
Repositorio Institucional - USS (es_PE)
Repositorio Institucional USS (es_PE)
Minería de datos (es_PE)
Pronósticos (es_PE)
Análisis comparativo de las técnicas de minería de datos para la estimación de consumos de energía eléctrica en la empresa Electronorte S.A. (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo (es_PE)
Ingeniería de Sistemas (es_PE)
Ingeniero de Sistemas (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
http://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
612076 (es_PE)
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons