Loading…

Comparativo de Prognósticos da Velocidade do Vento Utilizando Modelo WRF e Rede Neural Artificial

Resumo O objetivo deste trabalho é melhorar a previsão da velocidade do vento usando o modelo atmosférico de mesoescala Weather Research and Forecasting (WRF) e Rede Neural Artificial (RNA) não linear auto regressiva com entrada externa (NARX), sem entrada externa (NAR). A acurácia dos prognósticos...

Full description

Saved in:
Bibliographic Details
Published in:Revista Brasileira de Meteorologia 2020-12, Vol.35 (spe), p.1017-1027
Main Authors: Santos, Iwldson Guilherme da Silva, Lyra, Roberto Fernando da Fonseca, Silva Júnior, Rosiberto Salustiano da
Format: Article
Language:eng ; por
Subjects:
Citations: Items that this one cites
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Resumo O objetivo deste trabalho é melhorar a previsão da velocidade do vento usando o modelo atmosférico de mesoescala Weather Research and Forecasting (WRF) e Rede Neural Artificial (RNA) não linear auto regressiva com entrada externa (NARX), sem entrada externa (NAR). A acurácia dos prognósticos foi aferida com dados observados (OBS) mensurados a cada 10 min, em uma torre anemométrica de 50 m de altura, localizada em Craíbas região Agreste de Alagoas. A estatística univariada indicou que os prognósticos representaram bem a evolução temporal do vento no período estudado (abril de 2015). As velocidades médias, máximas e mínimas de OBS foram de 5,26 m.s−1, 12,29 m.s−1 e 0,01 m.s−1, nesta mesma sequência, os prognósticos variaram entre (5,18 m.s−1 a 5,41 m.s−1), (11,58 m.s−1 a 13,92 m.s−1) e (0,01 m.s−1 a 0,36 m.s−1). Na análise bivariada as métricas estatísticas utilizadas para averiguar a acurácia das previsões resultaram no seguinte: Desvio médio (-0,31 a 0,04 m.s−1); Raiz do desvio quadrático médio (1,14 a 1,27 m.s−1); Desvio percentual absoluto médio (22 a 23%); E coeficiente de correlação (0,63 a 0,72). Esses resultados, apesar de considerar um período curto de dados, indicam o potencial de aplicação da RNA e WRF na previsão da velocidade do vento. Abstract The aim of this work is to improve wind speed forecasting, using the atmospheric mesoscale model Weather Research and Forecasting (WRF) and Artificial Neural Network (ANN) nonlinear auto regressive (with external input - NARX and without external input - NAR). The accuracy of the predictions was measured with observed data (OBS) measured every 10 min in an anemometric tower 50 m high, located in Craíbas (dry region of Alagoas State). The univariate statistics indicated that the forecasting represented well the wind temporal evolution in the studied period (April 2015). The average, maximum and minimum OBS speeds were 5.26 m.s−1, 12,29 m.s−1 and 0,01 m.s−1. Predictions ranged from 5.18 m.s−1 to 5.41 m.s−1 for the average, 11.58 m.s−1 to 13.92 m.s−1 for the maximum and 0.01 m.s−1 to 0.36 m.s−1 for the minimum. On the bivariate analysis, the statistical metrics used resulted in the following: Mean Error (ME) from -0.31 m.s−1 to 0.04 m.s−1; The root mean square error (RMSE) from 1.14 m.s−1 to 1.27 m.s−1; Mean Absolute Percentage Error (MAPE) from 22 to 23%; Correlation coefficient from 0.63 to 0.72. These results, despite considering a short period of data, indicate the potential for applying ANN and W
ISSN:0102-7786
1982-4351
DOI:10.1590/0102-77863550103