Modelos de estimativa da irradiação solar global mensal: Angstrom-Prescott e aprendizado de máquinas em Botucatu/SP/Brasil

Abstract

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 (HG) mensal. A base de dados de HG usada na modelagem foi medida no período de 1996 a 2011 em Botucatu/SP/Brasil. A equação (A-P)m obtida  (HG/HO) =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: rt=ra=0,980, rRMSEt=3,9% e rRMSEa=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 HG. O modelo (A-P) possui melhor desempenho que a técnica ANN em estimar HG.