En este artículo se discute el uso de sistemas de decisión de soporte basados en minería de datos (para la evaluación histórica) y máquinas de vectores de soporte, con la finalidad de obtener los valores óptimos relacionados con la eficiencia de enfriamiento en un álabe de turbina de gas para determinar la adecuada selección de componentes y construir escenarios bajo incertidumbre. Esta investigación permite seleccionar un número específico de componentes, los cuales son evaluados a partir de un depósito de información con datos de otro sistema de energía. La intención de la presente investigación es aplicar propiedades computacionales, en este caso un modelo de optimización inteligente. El caso de estudio permite analizar las características individuales de cada componente con la emulación de una serie de características correspondientes (valores óptimos alcanzados por el algoritmo híbrido). De esta manera es posible predecir una mejor funcionalidad en un sistema de este tipo.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.