00000naa a2200000 4500 10.1007_978-3-032-19019-2_8 OREX-CRIS 261111s2026 sp 000 0 eng d m o h cr ||||||||||| 1865-0929 1865-0937 10.1007/978-3-032-19019-2_8 doi OREX-CRIS spa rda OREX-CRIS eng Mariano-Hernández, Deyslen, autor aut (orcid)0000-0002-4255-3450 Aybar-Mejia, Miguel, autor aut (orcid)0000-0002-4715-3499 Leon-Tejeda, Navila, autor aut Sánchez-Camilo, Edwin, autor aut (orcid)0000-0002-8592-8224 Taveras-Cruz, Armando J., autor aut (orcid)0000-0001-6538-4728 Jiménez-Durán, Iván, autor aut (orcid)0000-0003-2256-5267 Comparative Forecasting of Hospital Cardiovascular Emergency Demand in the Dominican Republic Using Time Series and Machine Learning Models Deyslen Mariano-Hernández; Miguel Aybar-Mejia; Navila Leon-Tejeda; Edwin Sánchez-Camilo; Armando J. Taveras-Cruz [et al.] s.n. 2026 páginas 109-118 recurso en línea texto txt rdacontent ordenador c rdamedia recurso en línea cr rdacarrier Communications in computer and information science 1865-0929 Registro importado desde CRIS OREX Digital. Fuentes: openalex, orcid, sjr Acceso restringido Citas OpenAlex: 0 | Cuartil SJR: Q4 hospital demand forecasting cardiovascular emergencies emergency department demand time series forecasting machine learning forecasting model comparison Dominican Republic Communications in computer and information science 1865-0929 p. 109-118, (2026) doi:10.1007/978-3-032-19019-2_8 https://doi.org/10.1007/978-3-032-19019-2_8 Texto completo vía DOI Versión publicada ART 00000nab a2200000 4500 10.1016_j.dib.2026.113158 OREX-CRIS 261111s2026 sp o 000 0 eng d m o h cr ||||||||||| 2352-3409 10.1016/j.dib.2026.113158 doi OREX-CRIS spa rda OREX-CRIS eng Mariano-Hernández, Deyslen, autor aut (orcid)0000-0002-4255-3450 Jiménez-Durán, Iván, autor aut (orcid)0000-0003-2256-5267 Abreu, Elianna Castaño, autor aut (orcid)0009-0004-3502-4827 Sánchez-Camilo, Edwin, autor aut (orcid)0000-0002-8592-8224 Sanlley, Carlos, autor aut (orcid)0000-0002-9289-8502 A dataset of coexisting Sargassum features and submesoescalar eddies near the south coast of the Dominican Republic in 2023 Deyslen Mariano-Hernández; Iván Jiménez-Durán; Elianna Castaño Abreu; Edwin Sánchez-Camilo; Carlos Sanlley s.n. 2026 páginas 113158-113158 recurso en línea texto txt rdacontent ordenador c rdamedia recurso en línea cr rdacarrier Data in Brief 2352-3409 Registro importado desde CRIS OREX Digital. Fuentes: openalex, orcid, sjr Acceso abierto — GOLD inundation. Citas OpenAlex: 0 | Cuartil SJR: Q1 Sargassum ocean eddies coastal ocean dynamics seaweed blooms coastal flooding Data in Brief 2352-3409 vol. 68, p. 113158-113158, (2026) doi:10.1016/j.dib.2026.113158 https://doi.org/10.1016/j.dib.2026.113158 Texto completo vía DOI Versión publicada https://www.sciencedirect.com/science/article/pii/S2352340926007055/pdf Acceso abierto ART 00000naa a2200000 4500 10.1109_camsap66162.2025.11423966 OREX-CRIS 261111s2025 sp 000 0 spa d m o h cr ||||||||||| 10.1109/camsap66162.2025.11423966 doi OREX-CRIS spa rda OREX-CRIS spa Aybar-Mejia, Miguel, autor aut (orcid)0000-0002-4715-3499 Mariano-Hernandez, Deyslen, autor aut (orcid)0000-0002-4255-3450 Aquino-Osorio, David, autor aut Taveras Cruz, Armando Jose, autor aut (orcid)0000-0001-6538-4728 Sanchez-Camilo, Edwin, autor aut (orcid)0000-0002-8592-8224 Bassam, Ali, autor aut A Machine Learning Approach to Forecasting Energy Consumption at Electric Vehicle Charging Stations Miguel Aybar-Mejia; Deyslen Mariano-Hernandez; David Aquino-Osorio; Armando Jose Taveras Cruz; Edwin Sanchez-Camilo [et al.] s.n. 2025 páginas 151-155 recurso en línea texto txt rdacontent ordenador c rdamedia recurso en línea cr rdacarrier 2025 IEEE 10th International Workshop on Computational Advances in Multi Sensor Adaptive Processing Camsap 2025 Proceedings Registro importado desde CRIS OREX Digital. Fuentes: openalex, orcid Acceso restringido The growing adoption of electric vehicles (EVs) presents challenges for energy providers in managing demand and optimizing charging infrastructure. Accurate forecasting of EV charging demand is crucial to prevent grid overloads and efficiently allocate resources. This paper evaluated various models ARIMA, Linear Regression (LR), XGBoost, Random Forest (RF), and Long Short-Term Memory (LSTM) to predict EV charging demand at stations during working hours. The study utilized a dataset of 3,395 charging sessions from November 2014 to October 2015, involving 85 drivers and 105 stations across 25 sites. After data preprocessing, including anomaly correction and feature engineering, the models were assessed. LR and LSTM models proved more accurate for peak demand forecasting, while RF and XGBoost models performed better for overall forecasting, achieving mean absolute errors of 10.48 and 10.56, respectively. This methodology offers a valuable tool for energy providers, aiding in resource planning, optimization, and enhancing grid stability and efficiency. Citas OpenAlex: 2 electric vehicle charging demand forecasting electric vehicle charging stations peak demand forecasting charging sessions XGBoost random forest LSTM ARIMA linear regression grid stability 2025 IEEE 10th International Workshop on Computational Advances in Multi Sensor Adaptive Processing Camsap 2025 Proceedings p. 151-155, (2025) doi:10.1109/camsap66162.2025.11423966 https://doi.org/10.1109/camsap66162.2025.11423966 Texto completo vía DOI Versión publicada ART 00000nab a2200000 4500 10.22206_cyap.2021.v4i2.pp5-2 OREX-CRIS 261111s2021 sp o 000 0 spa d m o h cr ||||||||||| 2636-2171 2636-218X 10.22206/cyap.2021.v4i2.pp5-2 doi OREX-CRIS spa rda OREX-CRIS spa Mejía, Miguel Aybar, autor aut (orcid)0000-0002-4715-3499 los Santos, Lía Hidalgo de, autor aut Rosario Peñaló, Diorys Del, autor aut Sánchez, Edwin, autor aut (orcid)0000-0002-8592-8224 Mariano-Hernández, Deyslen, autor aut (orcid)0000-0002-4255-3450 Análisis de los modos de fallo del sistema de gestión de energía de un Cubesat Miguel Aybar Mejía; Lía Hidalgo de los Santos; Diorys Del Rosario Peñaló; Edwin Sánchez; Deyslen Mariano-Hernández Instituto Tecnológico de Santo Domingo (INTEC) 2021 páginas 5-20 recurso en línea texto txt rdacontent ordenador c rdamedia recurso en línea cr rdacarrier Ciencia, Ingenierías y Aplicaciones 2636-2171 Registro importado desde CRIS OREX Digital. Fuentes: koha, openalex, orcid Acceso abierto — DIAMOND Un satélite es un dispositivo que se sitúa en órbita alrededor de la Tierra con fines científicos, militares, educacionales o de comunicaciones. Se pueden clasificar según su peso como: satélites grandes, que pesan más de 1,000 kilogramos (kg), satélites medianos, que pesan entre 500-1,000 kg, y satélites pequeños, que pesan menos de 500 kg. Dentro de los satélites pequeños se encuentran los nanosatélites, los cuales pesan entre 1-10 kg. La principal ventaja que poseen los nanosatélites es que son capaces de realizar misiones complejas a un menor costo. Dentro de las limitaciones que estos presentan es que tienen poca capacidad para captar y almacenar energía debido a su tamaño. Considerando la importancia del sistema de energía durante el funcionamiento de los satélites, este artículo analiza los modos de fallos que se presentan en el sistema y cómo estos afectan a los sistemas de generación y almacenamiento de energía. Para la simulación de estos sistemas se determinaron la cantidad mínima de paneles solares y baterías necesarios para su correcto funcionamiento. Los resultados obtenidos muestran que con este análisis se logra dimensionar correctamente el sistema de gestión de energía, reduciendo el tamaño de estos y a su vez el peso dentro del satélite. Citas OpenAlex: 1 failure modes energy management systems CubeSat nanosatellites solar panels batteries energy storage electricity generation system sizing satellite power systems Ciencia, Ingenierías y Aplicaciones 2636-2171 vol. 4, n. 2, p. 5-20, (2021) doi:10.22206/cyap.2021.v4i2.pp5-2 https://doi.org/10.22206/cyap.2021.v4i2.pp5-2 Texto completo vía DOI Versión publicada https://revistas.intec.edu.do/index.php/cite/article/download/2249/2747 Acceso abierto ART 00000naa a2200000 4500 cris-3ca8e197 OREX-CRIS 261111s2011 sp 000 0 spa d m o h cr ||||||||||| OREX-CRIS spa rda OREX-CRIS spa OREX Digital SL, autor Cranfield Astrobiological Stratospheric Sampling Experiment (Cass.E): Overview of Flight Hardware Configuration, Implemented Planetary Protection and Contamination Control Procedures and Preliminary Post-Flight Results s.n. 2011 texto txt rdacontent ordenador c rdamedia recurso en línea cr rdacarrier Registro importado desde CRIS OREX Digital. Fuentes: orcid Acceso restringido ART 00000naa a2200000 4500 cris-e5fcff76 OREX-CRIS 261111s2019 sp 000 0 spa d m o h cr ||||||||||| OREX-CRIS spa rda OREX-CRIS spa OREX Digital SL, autor Development and applications of remote sensors in Low Earth Orbit (LEO) to improve the decision making about climate and environmental resiliency in the Caribbean and the Hispaniola island – phase 1 s.n. 2019 texto txt rdacontent ordenador c rdamedia recurso en línea cr rdacarrier 27th Workshop on Space Technology for Socio-Economic Benefits: "Ensuring Inclusiveness through Space-based Applications and Space Exploration" Registro importado desde CRIS OREX Digital. Fuentes: orcid Acceso restringido 27th Workshop on Space Technology for Socio-Economic Benefits: "Ensuring Inclusiveness through Space-based Applications and Space Exploration" (2019) ART