Uso de minería de datos y máquinas de vectores de soporte para la optimización del enfriamiento de álabes de turbina de gas

Abstract

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.