Modelo híbrido basado en stacking para mejorar la predicción de la temperatura del motor eléctrico raghavendra

• Autores: Enco Guerrero, Jhony Alberto, Lorenzo Perez, Rocio Pilar
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/134910
• Enlace del recurso: https://hdl.handle.net/20.500.12692/134910
• Nivel de acceso: acceso abierto
• Materia: Stacking; Machine learning; Temperatura; Motor eléctrico; https://purl.org/pe-repo/ocde/ford#2.03.01

La presente investigación tuvo como objetivo aplicar un modelo hibrido basado en Stacking para predecir la temperatura del motor eléctrico Raghavendra, siendo de tipo aplicada, pre-experimental y de diseño experimental; la población estuvo conformada por 1,048,576 registros de temperatura de los motores eléctricos Raghavendra. La técnica de recolección de datos fue el análisis documental y el instrumento ficha de registro. Los resultados muestran que Stacking 1 obtuvo los mejores valores de R Squared con 99.87%, Mean absolute error con 0.15, Mean squared error con 0.53, Root mean squared error con 0.73 y Mean absolute percentage error con 0.00282%. Concluyendo que Stacking 1 fue el mejor algoritmo para predecir la temperatura del motor eléctrico Raghavendra.