da Silva, M. B. P. and Escobedo, J. F. and Marques, A. S. and Rossi, T. J. and dos Santos, C. M. (2017) Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil. Avances en Energías Renovables y Medio Ambiente, 21 . pp. 87-95. ISSN 2314-1433
PDF Download (417Kb) |
Resumen
No presente trabalho é descrito o estudo comparativo, entre o métodos estatístico de Angstrom- Prescott (A-P)m e duas técnicas de Aprendizado de Máquina (AM) - Support Vector Machine (SVM)m e Artificial Neural Network (ANN)m, nas estimativa da irradiação solar global (HG) mensal. A base de dados de HG usada na modelagem foi medida no período de 1996 a 2011 em Botucatu/SP/Brasil. A equação (A-P)m obtida (HG/HO) =0,311+0,366*(n/N) com R2= 0,710 foi validada usando duas bases de dados: típica e atípica. Os indicativos estatísticos r e rRMSE, obtidos na comparação entre a estimativa e medida foram: rt=ra=0,980, rRMSEt=3,9% e rRMSEa=9,8%. As técnicas SVMm e ANNm foram treinadas em quatro combinações de entradas de variáveis meteorológicas, e validadas nas bases de dados típica e atípica. A comparação dos indicativos estatísticos mostra que: a técnica SVM possui melhor desempenho que o modelo (A-P) e a técnica ANN em estimar HG. O modelo (A-P) possui melhor desempenho que a técnica ANN em estimar HG.
Tipo de Archivo: | Articulo |
---|---|
Información adicional: | Radiación solar y clima |
Palabras Claves: | Radiação solar, Angtrom-Prescott; inteligência artificial. |
Temas: | Ciencias Naturales |
Colecciones: | Universidad Nacional de Salta > Facultad de Ciencias Naturales |
Depósito del usuario: | Admin AR Repositorio |
Fecha de Deposito: | 24 Febrero 2022 16:53 |
Ultima modificacion: | 24 Febrero 2022 16:53 |
URI: | http://eprints.natura.unsa.edu.ar/id/eprint/1211 |
Actions (login required)
View Item |