Estimativa da irradiação solar global pelos modelos Hargreaves-Samani, Bristow-Campbell, regressões múltiplas e técnicas MVS e RNA no município de Botucatu - SP

• Ano de defesa: 2021
• Autor(a) principal: Paes, Angélica Castilho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Radiação solar; Modelo de Hargreaves-Samani; Modelo de Bristow e Campbell; Técnicas de aprendizado de máquinas; Solar radiation; Hargreaves-Samani model; Bristow-Campbell model; Machine Learning Techniques
• Link de acesso: http://hdl.handle.net/11449/204148

No presente trabalho realizou-se um estudo comparativo entre os modelos de estimativas da irradiação solar global (HG) diária: Hargreaves-Samani (HS); Bristow e Campbell (BC); uma equação de regressão múltipla não linear (RM) desenvolvida neste trabalho e duas técnicas de Aprendizado de Máquina (Máquinas de Vetores de Suporte - MVS e Redes Neurais Artificiais - RNA). A base de dados usada no trabalho foi medida em Botucatu no período dos anos de 1996-2011. Os modelos foram estimados com a base de dados total, sendo que para validação dos modelos foram usados duas bases de dados, denominados ano típico e ano atípico, criados a partir da base total dos dados. O modelo estatístico HS foi estimado pelo método dos mínimos quadrados, utilizado para ajustes lineares, e os modelos BC e RM foram estimados por algoritmos de regressão não linear que utilizam métodos iterativos para a estimativa dos modelos, enquanto que as técnicas, MVS e RNA, foram treinadas com entradas de 4 variáveis meteorológicas totalizando 4 combinações no programa WEKA. Os resultados obtidos na validação dos modelos mostram que: os modelos estatísticos HS, BC podem estimar HG com coeficientes de correlação da ordem de r = 0,84 , e os valores de rMBE e rRMSE variando de +/- 3,0% e 20,0% - 25,0% respectivamente para anos típicos e atípicos; o modelo RM pode estimar HG com valor de r da ordem de 0,960, e valores de rMBE e rRMSE variando de +/- 4,0% e 11,0% - 14,0% respectivamente para anos típicos e atípicos; os indicativos estatísticos obtidos para a combinação 4, a de melhor desempenho, pode estimar HG com valores de r = 0,965 e r = 0,960 e valores para MVS (rMBE = +/- 0,5 %; rRMSE = 12,0 %) e RNA (rMBE = +/- 1,5; rRMSE = 12,0 % para anos típico e atípico). A comparação entre os desempenhos dos modelos HS, BC, RM e as técnicas RNA e MVS na combinação 4, sugere o uso do modelo de RM, quando os dados de RI e UR estejam disponíveis, por ser um método mais prático que o uso das técnicas de aprendizagem de máquinas.