Please use this identifier to cite or link to this item: https://hdl.handle.net/10953/676
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorTovar-Pescador, Joaquín-
dc.contributor.advisorRuiz-Arias, José-Antonio-
dc.contributor.authorLinares-Rodríguez, Álvaro-
dc.contributor.otherUniversidad de Jaén. Departamento de Físicaes_ES
dc.date.accessioned2016-02-22T12:49:57Z-
dc.date.available2016-02-22T12:49:57Z-
dc.date.issued2016-
dc.date.submitted2015-07-07-
dc.identifier.citationLinares-Rodríguez, Álvaro. Desing and optimization of artificial neural network models for solar resource assessment, 2015, 154 p., [http://hdl.handle.net/10953/676]es_ES
dc.identifier.isbn9788484399384es_ES
dc.identifier.urihttp://hdl.handle.net/10953/676-
dc.description.abstract[ES]El objetivo de la tesis es desarrollar varios modelos basados en redes neuronales artificiales para evaluar el recurso solar a nivel diario y horario, generando estimaciones fiables de GHI y de DNI en zonas geográficas extensas. Como variables de entrada se utilizan imágenes de satélite y productos globales de reanálisis, que cubren todo el globo o áreas geográficas muy extensas. Los dos primeros modelos generan estimaciones diarias de GHI. El primero utiliza como variables de entrada datos de los reanálisis ERA-Interim del ECMWF. El segundo modelo utiliza imágenes del satélite Meteosat 9, que tienen una mayor resolución espacial y temporal. Los otros dos modelos son ensambles de redes neuronales optimizadas para generar estimaciones horarias de GHI y DNI respectivamente, a partir de los 11 canales espectrales del satélite Meteosat 9. Ambos modelos han sido evaluados en una región muy extensa (casi toda Europa y parte de África y Oriente Medio).es_ES
dc.description.abstract[EN]The aim of the thesis is the design and development of artificial neural network models for solar resource assessment, deriving reliable GHI and DNI estimates over large areas. Satellite imagery and reanalysis products, covering the whole globe or extensive areas, are used as input variables. The first two models generate daily GHI estimates. The first one uses ECMWF ERA-Interim data as input variables. The second one uses Meteosat-9 images, with better spatial and temporal resolution. The other two models are artificial neural network ensemble models for estimating hourly GHI and DNI respectively, using eleven Meteosat-9 spectral channels. Both models have been validated in a large region, covering mainly Europe and part of Africa and Middle East.es_ES
dc.description.sponsorshipTesis Univ. Jaén. Departamento de Física, leída el 7 de julio de 2015es_ES
dc.language.isospaes_ES
dc.publisherJaén : Universidad de Jaénes_ES
dc.rightsLicencia Reconocimiento-NoComercial-SinObraDerivada 3.0 Españaes_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/es_ES
dc.subjectRedes neuronales artificialeses_ES
dc.subjectRadiación solar global6es_ES
dc.subjectradiación solar directa normales_ES
dc.subjectImágenes de satélitees_ES
dc.subjectArtificial neural networkses_ES
dc.subjectGHIes_ES
dc.subjectDNIes_ES
dc.subjectSatellite imageryes_ES
dc.titleDesing and optimization of artificial neural network models for solar resource assessmentes_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
europeana.type.TEXTTEXTes_ES
europeana.dataProviderUniversidad de Jaén. Españaes_ES
europeana.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/es/es_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
Appears in Collections:Tesis

Files in This Item:
File Description SizeFormat 
9788484399384.pdf8,18 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright