López Ruiz, Constanza B.Ledesma, Rubén D.Salazar, Germán A.Galdiño, Janis2026-05-222026-05-222025López Ruiz, Constanza B. - Reconstrucción de series de irradiancia global horizontal con huecos sintéticos mediante modelos de machine learning y datos satelitales. Caso de estudio: El Rosal, Salta / Constanza B. López Ruiz...(et. al). En Energías Renovables Y Medio Ambiente - AVERMA Vol.29. Pág. 484–4992796-8111https://riunsa.unsa.edu.ar/handle/123456789/352La radiación solar global sobre plano horizontal (GHI) es clave para el diseño y optimización de sistemas de energía solar, pero sus registros suelen presentar datos faltantes originados en fallas de instrumentación o mantenimiento. Este trabajo compara tres estrategias basadas en Machine Learning —regresión lineal simple (SLR), regresión lineal múltiple (MLR) y perceptrón multicapa (MLP)— para la imputación de datos faltantes. También se emplean productos satelitales (CAMS), de reanálisis (ERA5) y estimaciones del modelo ARGP2 para mejorar la precisión de las predicciones. Para evaluar el desempeño de los modelos, se generaron huecos sintéticos de manera semi-aleatoria, en una serie de GHI de la localidad El Rosal, Salta, Argentina. En todos los casos el MLP logró los menores errores (rRMSD entre 18 % y 21 %), seguido por MLR (rRMSD entre 20 % y 24 %) y SLR (rRMSD entre 21 % y 26 %).esIrradiancia solarmachine learningCAMSERA5series temporalesgap fillingArticulo