ESTIMATIVA DA IRRADIAÇÃO SOLAR GLOBAL PELOS MODELOS DE HARGREAVES-SAMANI E APRENDIZADO DE MÁQUINA SVM E ANN EM BOTUCATU/SP/BRASIL

Autores

  • Angélica Castilho Paes UNESP
  • Maurício Bruno Prado da Silva UNESP/FCA
  • Eduardo Nardini Gomes Unesp CE Registro
  • joão francisco escobedo UNESP
  • cicero manoel santos UFPA

DOI:

https://doi.org/10.59627/cbens.2018.689

Palavras-chave:

Radiação solar, modelo Hargreaves-Samani (H-S), modelagem estatística, inteligência artificial, variáveis meteorológicas.

Resumo

Neste trabalho é apresentado um estudo comparativo entre dois métodos de estimativas da radiação solar global, modelo estatístico de Hargreaves-Samani (H-S) e os modelos de aprendizado de máquinas Artificial Neural Network (ANN) e Support Vector Machine (SVM), para três combinações de entradas de variáveis meteorológicas. Por meio dos valores dos indicativos estatísticos r, rMBE, rRMSE e d de Wilmott, obtidos na validação dos modelos, foi conclusivo que: a técnica SVM3 mostrou melhor desempenho que a rede ANN3 e do modelo estatístico (H-S) em estimar HG, enquanto que a técnica ANN3 possui desempenho superior ao modelo estatístico (H-S) em estimar HG.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2018-12-01

Edição

Seção

Radiação Solar - Recursos Solares e Meteorologia da Radiação Solar