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: |
| id |
I19-R120-10915-140859 |
|---|---|
| record_format |
dspace |
| spelling |
I19-R120-10915-1408592023-06-27T19:51:39Z http://sedici.unlp.edu.ar/handle/10915/140859 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1295 issn:2314-1433 issn:2796-8111 Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil Estimation of Monthly Global Solar Irradiation by Models of Angstrom-Prescott and Machine Learning in Botucatu/SP/Brazil Prado da Silva, Maurício Bruno Escobedo, João Francisco Souza Marques, Adriano de Rossi, Taiza Juliana Santos, Cícero Manoel dos 2017 2022-08-23T12:35:11Z pt Ingeniería Ciencias Agrarias radiação solar Angstrom-Prescott inteligência artificial solar radiation artificial intelligence 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>. In this paper we describe the comparative study between the Angstrom-Prescott (AP) model with two machine learning techniques [Support Vector Machine (SVM) and Artificial Neural Network (ANN)], in the estimation of monthly global solar irradiation (H<sub>G</sub>). The H<sub>G</sub> database used was measured in the period from 1996 to 2011 in Botucatu/SP/Brazil. The (A-P) model obtained (H<sub>G</sub>/H<sub>O</sub>) =0,311+0,366*(n/N), with R² =0.710 was validated using two databases: typical (t) and atypical (a). The statistical indicatives r, rRMSE, obtained in the comparison between the estimation and measurement were: r<sub>t</sub>=r<sub>a</sub>=0.980, rRMSE<sub>t</sub>=3.9% and rRMSE<sub>a</sub>=9.8%. The SVM and ANN techniques were trained in four combinations of inputs of meteorological variables and validated in the databases: typical and atypical. The comparison shows that: the SVM has better performance than the (A-P) model and the ANN in estimating H<sub>G</sub>. Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) Articulo Articulo http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) application/pdf 87-95 |
| institution |
Universidad Nacional de La Plata |
| institution_str |
I-19 |
| repository_str |
R-120 |
| collection |
SEDICI (UNLP) |
| language |
Portugués |
| topic |
Ingeniería Ciencias Agrarias radiação solar Angstrom-Prescott inteligência artificial solar radiation artificial intelligence |
| spellingShingle |
Ingeniería Ciencias Agrarias radiação solar Angstrom-Prescott inteligência artificial solar radiation artificial intelligence Prado da Silva, Maurício Bruno Escobedo, João Francisco Souza Marques, Adriano de Rossi, Taiza Juliana Santos, Cícero Manoel dos Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil |
| topic_facet |
Ingeniería Ciencias Agrarias radiação solar Angstrom-Prescott inteligência artificial solar radiation artificial intelligence |
| description |
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>. |
| format |
Articulo Articulo |
| author |
Prado da Silva, Maurício Bruno Escobedo, João Francisco Souza Marques, Adriano de Rossi, Taiza Juliana Santos, Cícero Manoel dos |
| author_facet |
Prado da Silva, Maurício Bruno Escobedo, João Francisco Souza Marques, Adriano de Rossi, Taiza Juliana Santos, Cícero Manoel dos |
| author_sort |
Prado da Silva, Maurício Bruno |
| title |
Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil |
| title_short |
Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil |
| title_full |
Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil |
| title_fullStr |
Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil |
| title_full_unstemmed |
Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil |
| title_sort |
modelos de estimativa da irradiação solar global mensal: angstrom-prescott e aprendizado de máquinas em botucatu/sp/brasil |
| publishDate |
2017 |
| url |
http://sedici.unlp.edu.ar/handle/10915/140859 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1295 |
| work_keys_str_mv |
AT pradodasilvamauriciobruno modelosdeestimativadairradiacaosolarglobalmensalangstromprescotteaprendizadodemaquinasembotucatuspbrasil AT escobedojoaofrancisco modelosdeestimativadairradiacaosolarglobalmensalangstromprescotteaprendizadodemaquinasembotucatuspbrasil AT souzamarquesadrianode modelosdeestimativadairradiacaosolarglobalmensalangstromprescotteaprendizadodemaquinasembotucatuspbrasil AT rossitaizajuliana modelosdeestimativadairradiacaosolarglobalmensalangstromprescotteaprendizadodemaquinasembotucatuspbrasil AT santosciceromanoeldos modelosdeestimativadairradiacaosolarglobalmensalangstromprescotteaprendizadodemaquinasembotucatuspbrasil AT pradodasilvamauriciobruno estimationofmonthlyglobalsolarirradiationbymodelsofangstromprescottandmachinelearninginbotucatuspbrazil AT escobedojoaofrancisco estimationofmonthlyglobalsolarirradiationbymodelsofangstromprescottandmachinelearninginbotucatuspbrazil AT souzamarquesadrianode estimationofmonthlyglobalsolarirradiationbymodelsofangstromprescottandmachinelearninginbotucatuspbrazil AT rossitaizajuliana estimationofmonthlyglobalsolarirradiationbymodelsofangstromprescottandmachinelearninginbotucatuspbrazil AT santosciceromanoeldos estimationofmonthlyglobalsolarirradiationbymodelsofangstromprescottandmachinelearninginbotucatuspbrazil |
| _version_ |
1770170753015087104 |