Modelamiento basado en tecnología de Redes Neuronales Artificiales para el diseño y optimización de colectores solares utilizados para el calentamiento de agua sanitaria en zonas del Ecuador

La presente investigacion utiliza tecnologia de Redes Neuronales Artificiales como base de un modelo para el diseno de colectores solares. El estudio se realizo en el Ecuador y se enfoca a la calefaccion de agua por los colectores solares. Los conjuntos de datos de entrenamiento y validacion se obtuvieron numericamente a partir de un modelo teorico que describe la caracterizacion termodinamica de colectores solares de placa plana. Por otra parte, la informacion meteorologica para el Ecuador, y la topologia de los colectores solares se obtuvieron de la literatura y catalogos disponibles respectivamente. Tres topologias diferentes fueron probadas: (1) un Perceptron Multicapa con una capa oculta, que consiste de 61 neuronas, un vector de entrada de 15 neuronas, y la capa de salida con 1 neurona, (2) un Perceptron Multicapa con una capa oculta que consiste en 95 neuronas, un vector de entrada de 9 neuronas, y una capa de salida con 2 neuronas y (3) un Perceptron Multicapa con una capa oculta que consta de 37 neuronas, el vector de entrada con 10 neuronas y 3 neuronas para el vector de salida. El algoritmo que se utilizo para entrenar el modelo neuronal fue el Back-propagacion (i.e. entrenamiento supervisado). El coeficiente de correlacion, que evalua la respuesta de los modelos durante el proceso de validacion, fue superior al 99,72% para todos los modelos y muestra que el modelo propuesto es prometedor.