Comparação de Métodos de Estimativa da Radiação Solar Ultravioleta Horária: Modelos Empíricos, Redes Neurais Artificiais e Máquina de Vetores de Suporte

• Published in: Revista Brasileira de Meteorologia 2020-03, Vol.35 (1), p.35-43
• Main Authors: Teramoto, Érico Tadao, Santos, Cícero Manoel dos, Escobedo, João Francisco, Pai, Alexandre Dal, Silva, Silvia Helena Modenese Gorla da
• Format: Article
• Language: eng ; por
• Subjects: aprendizado de máquinas; Artificial neural networks; Empirical models; Methods; Model accuracy; Neural networks; Nucleic acids; radiação solar; Ribonucleic acid; RNA; seleção de variáveis de entrada; Solar radiation; Solar ultraviolet radiation; Support vector machines; Ultraviolet radiation
• ISSN: 0102-7786; 1982-4351
• DOI: 10.1590/0102-7786351010

Resumo No presente trabalho, a comparação de três dos principais métodos de estimativa da radiação solar foi realizada: modelos empíricos, Redes Neurais Artificiais (RNA) e Máquina de Vetores de Suporte (SVM). Quatro modelos empíricos considerados clássicos foram calibrados e validados para a estimativa da radiação solar UV horária em Botucatu, Estado de São Paulo, Brasil. Mantendo os modelos empíricos como referências em relação a precisão e variáveis de entrada utilizadas, os desempenhos da RNA e da SVM foram avaliados. Por meio dos parâmetros estatísticos Erro Médio Padrão (MBE) e Erro Médio Absoluto (MAE) foi confirmada a superioridade da SVM em relação à RNA e aos modelos empíricos. Comparada à RNA, a SVM foi capaz de gerar melhores resultados utilizando um número menor de variáveis de entrada. Dentre todos os métodos de estimativa testados, a SVM utilizando o conjunto de variáveis de entrada {UV0, KT} é considerada a melhor alternativa devido ao pequeno número de variáveis de entrada utilizadas e pela relativa acurácia. Abstract In the present paper, the comparison of three of the main estimation methods of solar radiation was performed: empirical models, Artificial Neural Network (ANN) and Support Vector Machine (SVM). Four classical empirical models were calibrated and validated in order to estimate hourly solar UV data in Botucatu, São Paulo State, Brazil. Taken the empirical models as reference of accuracy and set for input variables, the performance of ANN and SVM were assessed. Through the statistical parameters Mean Bias Error (MBE) and Mean Absolute Error (MAE) was confirmed the superiority of the SVM over the ANN and empirical models. The SVM is capable to generate better results than ANN using a less number of input variables. Among all estimation methods, SVM using the set of input variables {UV0, KT} is considered the best alternative due to the smaller number of input variables and relative precision.