Mostrar el registro sencillo del ítem
Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression
dc.contributor.author | García-Ruiz, Rubén Antonio | |
dc.contributor.author | Blanco Claraco, José Luis | |
dc.contributor.author | López Martínez, Javier | |
dc.contributor.author | Callejón Ferre, Ángel Jesús | |
dc.date.accessioned | 2023-11-15T13:16:18Z | |
dc.date.available | 2023-11-15T13:16:18Z | |
dc.date.issued | 2019-09-01 | |
dc.identifier.issn | 1530-437X | |
dc.identifier.uri | http://hdl.handle.net/10835/14661 | |
dc.description.abstract | Generalmente se necesitan costosos anemómetros ultrasónicos para medir con precisión la velocidad del viento. El objetivo de este trabajo es superar la pérdida de precisión de un anemómetro de hilo caliente de bajo costo causada por los cambios de temperatura del aire, mediante una calibración probabilística utilizando Regresión del Proceso Gaussiano. La regresión del proceso gaussiano es un método de aprendizaje supervisado, bayesiano y no paramétrico diseñado para hacer predicciones de una variable objetivo desconocida en función de una o más variables de entrada conocidas. Nuestro enfoque se valida con conjuntos de datos reales, obteniendo un buen rendimiento al inferir los valores reales de la velocidad del viento. Realizar, antes de su uso real en campo, una calibración del anemómetro de hilo caliente teniendo en cuenta la temperatura del aire, permite estimar la velocidad del viento para el rango típico de temperaturas ambiente, incluyendo una estimación de la incertidumbre fundamentada para cada medida de velocidad. | es_ES |
dc.language.iso | en | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.source | IEEE Sensors Journal | es_ES |
dc.subject | Sensor calibration | es_ES |
dc.subject | Gaussian processes | es_ES |
dc.subject | hot-wire anemometer | es_ES |
dc.title | Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression | es_ES |
dc.type | info:eu-repo/semantics/article | es_ES |
dc.relation.publisherversion | https://doi.org/10.1109/JSEN.2019.2915093 | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |