Previsión del consumo de energía en Mozambique: Un análisis comparativo de modelos avanzados de aprendizaje automático de 2025 a 2045

Resumen

Esta investigación tiene como objetivo proporcionar una base sólida para el desarrollo futuro de la infraestructura energética y los esfuerzos de sostenibilidad en Mozambique. Prever con precisión el consumo de energía es crucial para la planificación estratégica y el desarrollo sostenible de la infraestructura energética, particularmente en economías emergentes como Mozambique. Este estudio emplea modelos avanzados de aprendizaje automático—XGBoost, Redes Neuronales, Regresión de Gradiente Boosting, Elastic Net y Random Forest—para predecir el consumo de energía de Mozambique desde 2025 hasta 2045. Comparando la precisión predictiva de estos modelos utilizando métricas de error como el Error Absoluto Medio (MAE), el Error Cuadrático Medio (MSE) y la Raíz del Error Cuadrático Medio (RMSE), la investigación identifica las herramientas más efectivas para la planificación energética futura. Los resultados destacan la superioridad del modelo Random Forest, que consistentemente logró las tasas de error más bajas, sugiriéndolo como el modelo más confiable para capturar las complejidades de la demanda de energía en Mozambique. En contraste, modelos como XGBoost demostraron tasas de error más altas, indicando posibles limitaciones en su aplicación a este conjunto de datos. Los hallazgos de este estudio proporcionan valiosos conocimientos para los responsables de políticas y las partes interesadas de la industria, contribuyendo al desarrollo de pronósticos de energía más precisos y confiables, esenciales para garantizar el crecimiento sostenible del sector energético de Mozambique.