Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil

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.

Actions (login required)