Canales Carrasco, Alfredo Alonso2025-07-112025-07-112025-08-01https://repositorio.usm.cl/handle/123456789/75711Este estudio aborda la predicción de irradiancia solar en el norte de Chile, específicamente en la región de Antofagasta, con el objetivo de estimar el potencial de generación eléctrica y la producción diaria de hidrógeno verde (H2) en kilogramos por metro cuadrado (kg/m²). Se implementaron modelos de machine learning (LSTM, BiLSTM, SVM) y modelos econométricos (ARIMAX, SARIMAX), evaluando su rendimiento con y sin descomposición temporal mediante CEEMDAN. Los datos se segmentaron por estaciones del año y se realizaron análisis estadísticos y pruebas de estacionariedad. Los resultados muestran que los modelos de machine learning superaron a los modelos econométricos en todas las métricas. En particular, la red BiLSTM con CEEMDAN obtuvo el mejor desempeño general, alcanzando valores de R2 cercanos a 1 y errores significativamente bajos.(...)120 páginasesAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/Irradiancia solarH2Machine learningEconometriaGeneración eléctrica35609002880447 Energía asequible y no contaminante9 Industria, innovación e infraestructura12 Producción y consumo responsables13 Acción por el clima