Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil
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 (H<sub>G</sub>) mens...
Guardado en:
| Autores principales: | , , , , |
|---|---|
| Formato: | Articulo |
| Lenguaje: | Portugués |
| Publicado: |
2017
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/140859 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1295 |
| Aporte de: |
| Sumario: | 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 (H<sub>G</sub>) mensal. A base de dados de H<sub>G</sub> usada na modelagem foi medida no período de 1996 a 2011 em Botucatu/SP/Brasil. A equação (A-P)ᵐ obtida (H<sub>G</sub>/H<sub>O</sub>) =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: r<sup>t</sup>=r<sup>a</sup>=0,980, rRMSE<sup>t</sup>=3,9% e rRMSE<sup>a</sup>=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 H<sub>G</sub>. O modelo (A-P) possui melhor desempenho que a técnica ANN em estimar H<sub>G</sub>. |
|---|