Análisis de resultados y validación de hipótesis en la predicción energética y reducción mediante energía solar en instituciones educativas de Medellín
Resultados cuantitativos que demuestran el éxito de la implementación
Comparación de métricas de evaluación entre los diferentes algoritmos implementados
| Modelo | R² Score | RMSE | MAE | MAPE (%) | Tiempo Entrenamiento |
|---|---|---|---|---|---|
| Random Forest | 0.912 | 78.2 | 58.4 | 8.3 | 2.3s |
| SVM (RBF) | 0.887 | 87.4 | 63.8 | 9.7 | 4.7s |
| Árboles de Decisión | 0.854 | 98.7 | 72.1 | 11.8 | 1.1s |
| Regresión Lineal | 0.723 | 125.3 | 95.2 | 15.2 | 0.3s |
Análisis de clustering para identificar patrones de consumo y optimizar estrategias
Instituciones con consumo energético elevado y potencial de reducción significativo
Instituciones con consumo moderado y oportunidades de optimización
Instituciones eficientes con menor consumo pero oportunidades de mejora
Resultados de la simulación de implementación de paneles solares en las instituciones