Comparison of Kernel Functions in the Classification of Irradiance Zones from Multispectral Satellite Images

• Pachajoa, Dalila-Mercedes ^[1] ; Mora-Paz, Héctor ^[3] ; Mayorca-Torres, Dagoberto ^[2]
  1. [1] Universidad de Nariño

     Universidad de Nariño

     Colombia

     
  2. [2] Universidad Mariana

     Universidad Mariana

     Colombia

     
  3. [3] Universidad CESMAG

  Mostrar afiliaciones +
• Localización: Revista Facultad de Ingeniería, ISSN-e 2357-5328, ISSN 0121-1129, Vol. 30, Nº. 58 (October-December (Continuous Publication)), 2021
• Idioma: inglés
• Títulos paralelos:
  • Comparativo de funciones Kernel en la clasificación de zonas de irradiancia a partir de imágenes satelitales multiespectrales
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Debido a la creciente demanda de energía y al eminente calentamiento global, existe especial interés en la predicción de irradiancia basada en la reflectancia obtenida de satélites como el Landsat de la NASA, ya que permite saber dónde es más eficiente colocar receptores fotovoltaicos. Si bien existen estudios para la obtención de modelos de regresión con funciones Kernel alternativas, se desconoce su desempeño para modelos de clasificación, y es aquí donde se enfoca esta investigación. El estudio combina funciones de Kernel alternativas al algoritmo máquinas de soporte vectorial (SVM) para problemas de clasificación, donde se explora la mejor configuración para estos algoritmos, y así finalmente obtener un conjunto de mapas de irradiancia zonificados por clase.

  • English

    Due to the growing energy demand and the eminent global warming, there is special interest in the prediction of irradiance based on the reflectance obtained from satellites such as NASA Landsat, since it allows to know where it is more efficient to place photovoltaic receivers. Although there are studies for obtaining regression models with alternative Kernel functions, their performance for classification models is unknown and it is here where this research focuses. The study couples alternative Kernel functions to the support vector machines (SVM) algorithm for classification problems, where the best configuration for these algorithms is explored to finally obtain a set of irradiance maps zoned by class.