ESTIMATIVA DA FRAÇÃO DIFUSA DA IRRADIAÇÃO GLOBAL COM TÉCNICAS DE APRENDIZAGEM DE MÁQUINAS.

Abstract

Foram desenvolvidos modelos de estimativa da fração difusa (Kd) em função da fração transmitida da irradiação global (Kt) na partição horária sendo: Modelo Estatístico (ME); Redes Neurais Artificias com Função de Base Radial (RBF); e Sistema Adaptativo de Inferência Neuro Fuzzy (ANFIS). O modelo estatístico utiliza como referência somente Kt e as técnicas uma combinação de seis (06) variáveis astronômicas, geográficas e meteorológicas. Os modelos utilizam uma base de sete anos (2000-2006) de medidas realizadas na Estação de Radiometria Solar de Botucatu/SP na partição horária, sendo parte para treinamento e outra para validação dividida em Ano típico (AT) e atípico (AAT). A equação do modelo estatístico gerada por regressão polinomial de 4ª ordem, apresenta coeficiente de determinação R2 = 0.80 e na comparação dos valores medidos e estimados na validação, um coeficiente de correlação para ano típico (AT) rAT=0.90 e para o ano atípico (AAT) de rAAT=0.89, erro quadrático médio rRMSEAT = 30.55% e rRMSEAAT = 27.97%. No desempenho das técnicas RBF e ANFIS, os modelos mostraram-se satisfatórios a partir da segunda combinação sendo para RBF2 um coeficiente rAT=0.91 e rAAT=0.90 e erro de rRMSEAT = 29.63% e rRMSEAAT = 26.93% e para ANFIS2 um rAT=0.93 e rAAT=0.93 com erro rRMSEAT = 25.13% e rRMSEAAT = 22.76%. Para sexta combinação, a rede RBF6 um coeficiente de rAT=0.92 e rAAT=0.92 e erro de rRMSEAT = 26.48% e rRMSEAAT = 24.69% e para ANFIS6 um coeficiente rAT=0.95 e rAAT=0.94 e erro de rRMSEAT = 22.63% e rRMSEAAT = 21.19%. Os indicadores mostram que as técnicas de aprendizagem de máquinas comparadas com modelo estatístico apresentaram um desempenho melhor com redução nos indicadores na ordem de 16% para rede RBF6 e 34% para rede ANFIS6 do erro quadrático médio para duas bases de validação (AT e AAT) em relação ao modelo ME.