STRATEGIES IN MACHINE LEARNING
Descripción del Articulo
Artificial intelligence has achieved great potential in technological development, especially in the optimization of internal combustion engines. This research seeks to forecast the performance of diesel engines using regression strategies in machine learning. The study, with a quantitative and appl...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de Publicación: | 2025 |
| Institución: | Universidad de San Martín de Porres |
| Repositorio: | Revistas - Universidad de San Martín de Porres |
| Lenguaje: | español |
| OAI Identifier: | oai:revistas.usmp.edu.pe:article/2934 |
| Enlace del recurso: | https://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2934 |
| Nivel de acceso: | acceso abierto |
| Materia: | Artificial intelligence Multiple linear regression Machine learning diesel engine power torque fuel consumption Inteligencia artificial Regresión lineal múltiple Aprendizaje automático potencia consumo de combustible |
| id |
REVUSMP_eee4921ac379bb96954e9e7c04a11baf |
|---|---|
| oai_identifier_str |
oai:revistas.usmp.edu.pe:article/2934 |
| network_acronym_str |
REVUSMP |
| network_name_str |
Revistas - Universidad de San Martín de Porres |
| repository_id_str |
|
| spelling |
STRATEGIES IN MACHINE LEARNINGPredicción del desempeño del motor diésel usando estrategias de regresión en machine learningMendoza-Suárez, César Elías Mendoza SuárezChevarria Moscoso, Margarita Artificial intelligenceMultiple linear regressionMachine learningdiesel enginepowertorquefuel consumptionInteligencia artificialRegresión lineal múltipleAprendizaje automáticoMachine learningpotenciatorqueconsumo de combustibleArtificial intelligence has achieved great potential in technological development, especially in the optimization of internal combustion engines. This research seeks to forecast the performance of diesel engines using regression strategies in machine learning. The study, with a quantitative and applied approach, collects data from a 30-liter, 1200 HP Komatsu diesel engine through dynamometric tests. Brake power, torque and fuel consumption are measured, monitoring various operating parameters. Using the data, a forecasting model was developed using multiple linear regression in Python. The results show a high correlation between the input and output parameters, highlighting the intake manifold pressure as the most relevant. The predictions reach high R² values: torque (0.96), brake power (0.97) and instantaneous consumption (0.98). The coefficients of the regression model applicable to the input parameters are also determined. In conclusion, machine learning algorithms, specifically multiple linear regression, are effective in predicting the behavior of diesel engines in dynamometric tests.La inteligencia artificial ha alcanzado gran potencial en el desarrollo tecnológico, especialmente en la optimización de motores de combustión interna. Esta investigación busca pronosticar el desempeño de motores diésel utilizando estrategias de regresión en machine learning. El estudio, de enfoque cuantitativo y tipo aplicado, recopila datos de un motor diésel Komatsu de 30 litros y 1200 Hp mediante pruebas dinamométricas. Se miden la potencia al freno, el torque y el consumo de combustible, monitoreando diversos parámetros operativos. Con los datos, se desarrolló un modelo de pronóstico usando regresión lineal múltiple en Python. Los resultados muestran una alta correlación entre los parámetros de entrada y salida, destacando la presión del múltiple de admisión como el más relevante.Las predicciones alcanzan altos valores de R²: torque (0.96), potencia al freno (0.97) y consumo instantáneo (0.98). Se determinan también los coeficientes del modelo de regresión aplicables a los parámetros de entrada. En conclusión, los algoritmos de machine learning, específicamente la regresión lineal múltiple, son efectivos para predecir el comportamiento de motores diésel en pruebas dinamométricas.Universidad de San Martín de Porres2025-02-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2934Campus; Vol. 29 No. 38 (2024): Campus XXXVIIICampus; Vol. 29 Núm. 38 (2024): Campus XXXVIIICampus; v. 29 n. 38 (2024): Campus XXXVIII2523-18201812-6049reponame:Revistas - Universidad de San Martín de Porresinstname:Universidad de San Martín de Porresinstacron:USMPspahttps://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2934/3868Derechos de autor 2025 César Elías Mendoza Suárez Mendoza-Suárez, Chevarria Moscosohttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:revistas.usmp.edu.pe:article/29342025-02-07T14:32:07Z |
| dc.title.none.fl_str_mv |
STRATEGIES IN MACHINE LEARNING Predicción del desempeño del motor diésel usando estrategias de regresión en machine learning |
| title |
STRATEGIES IN MACHINE LEARNING |
| spellingShingle |
STRATEGIES IN MACHINE LEARNING Mendoza-Suárez, César Elías Mendoza Suárez Artificial intelligence Multiple linear regression Machine learning diesel engine power torque fuel consumption Inteligencia artificial Regresión lineal múltiple Aprendizaje automático Machine learning potencia torque consumo de combustible |
| title_short |
STRATEGIES IN MACHINE LEARNING |
| title_full |
STRATEGIES IN MACHINE LEARNING |
| title_fullStr |
STRATEGIES IN MACHINE LEARNING |
| title_full_unstemmed |
STRATEGIES IN MACHINE LEARNING |
| title_sort |
STRATEGIES IN MACHINE LEARNING |
| dc.creator.none.fl_str_mv |
Mendoza-Suárez, César Elías Mendoza Suárez Chevarria Moscoso, Margarita |
| author |
Mendoza-Suárez, César Elías Mendoza Suárez |
| author_facet |
Mendoza-Suárez, César Elías Mendoza Suárez Chevarria Moscoso, Margarita |
| author_role |
author |
| author2 |
Chevarria Moscoso, Margarita |
| author2_role |
author |
| dc.subject.none.fl_str_mv |
Artificial intelligence Multiple linear regression Machine learning diesel engine power torque fuel consumption Inteligencia artificial Regresión lineal múltiple Aprendizaje automático Machine learning potencia torque consumo de combustible |
| topic |
Artificial intelligence Multiple linear regression Machine learning diesel engine power torque fuel consumption Inteligencia artificial Regresión lineal múltiple Aprendizaje automático Machine learning potencia torque consumo de combustible |
| description |
Artificial intelligence has achieved great potential in technological development, especially in the optimization of internal combustion engines. This research seeks to forecast the performance of diesel engines using regression strategies in machine learning. The study, with a quantitative and applied approach, collects data from a 30-liter, 1200 HP Komatsu diesel engine through dynamometric tests. Brake power, torque and fuel consumption are measured, monitoring various operating parameters. Using the data, a forecasting model was developed using multiple linear regression in Python. The results show a high correlation between the input and output parameters, highlighting the intake manifold pressure as the most relevant. The predictions reach high R² values: torque (0.96), brake power (0.97) and instantaneous consumption (0.98). The coefficients of the regression model applicable to the input parameters are also determined. In conclusion, machine learning algorithms, specifically multiple linear regression, are effective in predicting the behavior of diesel engines in dynamometric tests. |
| publishDate |
2025 |
| dc.date.none.fl_str_mv |
2025-02-07 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
https://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2934 |
| url |
https://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2934 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
https://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2934/3868 |
| dc.rights.none.fl_str_mv |
Derechos de autor 2025 César Elías Mendoza Suárez Mendoza-Suárez, Chevarria Moscoso https://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Derechos de autor 2025 César Elías Mendoza Suárez Mendoza-Suárez, Chevarria Moscoso https://creativecommons.org/licenses/by/4.0 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de San Martín de Porres |
| publisher.none.fl_str_mv |
Universidad de San Martín de Porres |
| dc.source.none.fl_str_mv |
Campus; Vol. 29 No. 38 (2024): Campus XXXVIII Campus; Vol. 29 Núm. 38 (2024): Campus XXXVIII Campus; v. 29 n. 38 (2024): Campus XXXVIII 2523-1820 1812-6049 reponame:Revistas - Universidad de San Martín de Porres instname:Universidad de San Martín de Porres instacron:USMP |
| instname_str |
Universidad de San Martín de Porres |
| instacron_str |
USMP |
| institution |
USMP |
| reponame_str |
Revistas - Universidad de San Martín de Porres |
| collection |
Revistas - Universidad de San Martín de Porres |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1844346403610951680 |
| score |
12.82117 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
