El modelado de datos es un problema fundamental en diversas áreas del conocimiento. La Regresión Simbólica es una técnica que permite encontrar una relación matemática para describir un conjunto de datos experimentales. A diferencia de los métodos tradicionales de modelado, la Programación Genética permite encontrar una expresión matemática susceptible de ser analizada e interpretada. Multi-Expression Programming es una variante de Programación Genética, que presenta múltiples ventajas, haciéndola apta para su uso en casos reales. En este trabajo proponemos aplicar dicha variante para descubrir modelos de predicción, un día hacia adelante, del consumo eléctrico de subestación transformadora en Tucumán, Argentina. Para analizar el comportamiento del algoritmo y ajustar parámetros, se realizaron pruebas utilizando Benchmarks conocidos. Se concluye que Multi-Expression Programming es adecuada para encontrar modelos en problemas complejos, y en el caso de predicción de consumo eléctrico se logró un nivel de error similar al obtenido con otras técnicas.
En el presente trabajo se analizó el desempeño del modelo ionosférico NeQuick2 para predecir los valores de densidad de electrones libres (Ne) a 600 Km de altura, en un periodo de alta actividad solar y para las latitudes geomagnéticas -15°, 0° y +15°, las cuales corresponden a la franja de la anomalía ecuatorial.Las predicciones del modelo, fueron comparadas con datos de mediciones de Ne, obtenidas por el satélite japonés Hinotori; que realizó mediciones desde Febrero de 1981 hasta Junio de 1982. Solo se consideraron los registros con valores de F10.7 entre 63 y 193 para seguir recomendaciones de la ITU incluidas en Modelo NeQuick2, lo cual dejo un total de más de 450 mil registros a analizar.Los resultados obtenidos en este trabajo sugieren la necesidad de realizar estudios adicionales que lleven a una mejor representación del perfil de tope de Ne dada por el modelo.
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.