ESTIMATIVA DA FRAÇÃO TRANSMITIDA DA IRRADIAÇÃO DIFUSA COM TÉCNICAS DE APRENDIZAGEM DE MÁQUINAS

Resumo

Foram desenvolvidos modelos de estimativa da fração transmitida da irradiação difusa (kd) em função da da irradiação global (kt) na partição horária: estatístico; o de Redes Neurais Artificias (RNA) tipo RBF; e o Sistema Adaptativo de Inferência Neuro Fuzzy - ANFIS. O modelo estatístico (ME) utiliza como referência kt e os outros uma combinação de seis variáveis astronômicas, geográficas e meteorológicas. Os modelos utilizam uma base de sete anos (2000-2006) de medidas realizadas na Estação de Radiometria Solar de Botucatu/SP na partição horária, sendo parte no treinamento e outra parte na validação dividida em Ano típico (AT) e atípico (AAT). A equação do modelo estatístico gerada por regressão polinomial de 4ª ordem apresenta coeficiente de determinação de R2 = 0,80 e na comparação dos valores medidos e estimados na validação, uma correlação para ano típico de rAT=0.90 e para o ano atípico de rAAT=0.89 com rRMSEAT = 30.55% e rRMSEAAT = 27.97%. No desempenho das redes RBF e ANFIS, os modelos mostraram-se satisfatórios a partir da segunda combinação com duas variáveis de entrada, com um coeficiente rAT=0.91 e rAAT=0.90, e erro de rRMSEAT = 29.63% e rRMSEAAT = 26.93% da rede RBF2 e rAT=0.93 e rAAT=0.93 com erro rRMSEAT = 25.13% e rRMSEAAT = 22.76% para ANFIS2. Para combinação com seis variáveis (Tab. 1) um coeficiente de rAT=0.92 e rAAT=0.92; rRMSEAT = 26.48% e rRMSEAAT = 24.69% para rede RBF6, e rAT=0.95 e rAAT=0.94 e rRMSEAT = 22.63% e rRMSEAAT = 21.19% para ANFIS6. Os indicadores mostram que as técnicas de Inteligência Artificial comparadas com modelos estatísticos apresentaram um desempenho melhor com redução nos indicadores na ordem de 16% para rede RBF e 34% para rede ANFIS do erro quadrático médio para duas bases de validação (AT e AAT) em relação ao modelo ME.