Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos
- Autores
- Santos, Cícero Manoel dos; Escobedo, João Francisco; Modenese Gorla da Silva, Silvia Helena; Rossi, Taiza Juliana; Prado da Silva, Maurício Bruno
- Año de publicación
- 2015
- Idioma
- portugués
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- A irradiação direta na incidência normal (Hb) foi estimada utilizando Redes Neurais Artificiais (ANN2) para uma base de dados medida do período de 1996 a 2008 em Botucatu- Brasil, região com influência de queimadas agrícolas. A rede utilizada foi a Multilayer Perceptron (MLP), com o algoritmo de aprendizado backpropagation e termo momentum. A ANN2 foi comparada com um modelo estatístico de ajuste local (ME4) e dois modelos selecionados na literatura (ME5 e ME6). A variável de entrada foi o kt (transmissividade atmosférica da irradiação global). Os modelos foram avaliados por meio dos indicativos estatísticos: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) e d de Willmott. O desempenho de ANN2 é melhor que dos modelos estatísticos. A estimativa com ANN2 resultou: rRMSE=16,519% e d=0,980. O ME4 estimou com rRMSE=20,130% e d=0,971. Os ME5 e ME6 tiveram desempenho inferior ao ME4. O modelo ANN2 é recomendado como a primeira escolha para estimativa de Hb, seguido do modelo ME4.
The direct irradiation at normal incidence (Hb) was estimated using Artificial Neural Networks (ANN2) to a database from 1996 to 2008 in Botucatu-Brazil, region with influence of agricultural burning. The network used was the Multilayer Perceptron (MLP), with the backpropagation algorithm and momentum term. The ANN2 was compared with a statistical model of local adjustment (ME4) and two models selected in the literature (ME5 and ME6). The input variable was the kt (atmospheric transmissivity of global radiation). The models were evaluated by means of statistical indicatives: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) and d Willmott. The ANN2 performance is better than statistical models. The estimate with ANN2 resulted: rRMSE=16.519% and d=0.980. The ME4 estimated with rRMSE=20.130% and d=0.971. The ME5 and ME6 had underperformed ME4. The ANN2 model is recommended as the first choice to estimate Hb, followed by ME4 model.
Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) - Materia
-
Ingeniería
Ciencias Agrarias
radiação solar
WEKA
mineração de dados
aprendizado de máquinas
modelagem
solar radiation
data mining
learning machines
modelling - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-nd/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/142990
Ver los metadatos del registro completo
id |
SEDICI_e83f17e7f38aeb1c28eb72c574772e4e |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/142990 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticosEstimation of beam at normal incidence using artificial neural network and comparing with statistical modelsSantos, Cícero Manoel dosEscobedo, João FranciscoModenese Gorla da Silva, Silvia HelenaRossi, Taiza JulianaPrado da Silva, Maurício BrunoIngenieríaCiencias Agrariasradiação solarWEKAmineração de dadosaprendizado de máquinasmodelagemsolar radiationdata mininglearning machinesmodellingA irradiação direta na incidência normal (H<sub>b</sub>) foi estimada utilizando Redes Neurais Artificiais (ANN2) para uma base de dados medida do período de 1996 a 2008 em Botucatu- Brasil, região com influência de queimadas agrícolas. A rede utilizada foi a Multilayer Perceptron (MLP), com o algoritmo de aprendizado backpropagation e termo momentum. A ANN2 foi comparada com um modelo estatístico de ajuste local (ME4) e dois modelos selecionados na literatura (ME5 e ME6). A variável de entrada foi o kt (transmissividade atmosférica da irradiação global). Os modelos foram avaliados por meio dos indicativos estatísticos: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) e d de Willmott. O desempenho de ANN2 é melhor que dos modelos estatísticos. A estimativa com ANN2 resultou: rRMSE=16,519% e d=0,980. O ME4 estimou com rRMSE=20,130% e d=0,971. Os ME5 e ME6 tiveram desempenho inferior ao ME4. O modelo ANN2 é recomendado como a primeira escolha para estimativa de H<sub>b</sub>, seguido do modelo ME4.The direct irradiation at normal incidence (H<sub>b</sub>) was estimated using Artificial Neural Networks (ANN2) to a database from 1996 to 2008 in Botucatu-Brazil, region with influence of agricultural burning. The network used was the Multilayer Perceptron (MLP), with the backpropagation algorithm and momentum term. The ANN2 was compared with a statistical model of local adjustment (ME4) and two models selected in the literature (ME5 and ME6). The input variable was the kt (atmospheric transmissivity of global radiation). The models were evaluated by means of statistical indicatives: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) and d Willmott. The ANN2 performance is better than statistical models. The estimate with ANN2 resulted: rRMSE=16.519% and d=0.980. The ME4 estimated with rRMSE=20.130% and d=0.971. The ME5 and ME6 had underperformed ME4. The ANN2 model is recommended as the first choice to estimate H<sub>b</sub>, followed by ME4 model.Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)2015info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf25-35http://sedici.unlp.edu.ar/handle/10915/142990info:eu-repo/semantics/altIdentifier/url/http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1844info:eu-repo/semantics/altIdentifier/issn/2314-1433info:eu-repo/semantics/altIdentifier/issn/2796-8111info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)porreponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:35:04Zoai:sedici.unlp.edu.ar:10915/142990Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:35:04.779SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos Estimation of beam at normal incidence using artificial neural network and comparing with statistical models |
title |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos |
spellingShingle |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos Santos, Cícero Manoel dos Ingeniería Ciencias Agrarias radiação solar WEKA mineração de dados aprendizado de máquinas modelagem solar radiation data mining learning machines modelling |
title_short |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos |
title_full |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos |
title_fullStr |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos |
title_full_unstemmed |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos |
title_sort |
Estimativa da irradiação direta na incidência normal usando redes neurais artificiais e comparação com modelos estatísticos |
dc.creator.none.fl_str_mv |
Santos, Cícero Manoel dos Escobedo, João Francisco Modenese Gorla da Silva, Silvia Helena Rossi, Taiza Juliana Prado da Silva, Maurício Bruno |
author |
Santos, Cícero Manoel dos |
author_facet |
Santos, Cícero Manoel dos Escobedo, João Francisco Modenese Gorla da Silva, Silvia Helena Rossi, Taiza Juliana Prado da Silva, Maurício Bruno |
author_role |
author |
author2 |
Escobedo, João Francisco Modenese Gorla da Silva, Silvia Helena Rossi, Taiza Juliana Prado da Silva, Maurício Bruno |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
Ingeniería Ciencias Agrarias radiação solar WEKA mineração de dados aprendizado de máquinas modelagem solar radiation data mining learning machines modelling |
topic |
Ingeniería Ciencias Agrarias radiação solar WEKA mineração de dados aprendizado de máquinas modelagem solar radiation data mining learning machines modelling |
dc.description.none.fl_txt_mv |
A irradiação direta na incidência normal (H<sub>b</sub>) foi estimada utilizando Redes Neurais Artificiais (ANN2) para uma base de dados medida do período de 1996 a 2008 em Botucatu- Brasil, região com influência de queimadas agrícolas. A rede utilizada foi a Multilayer Perceptron (MLP), com o algoritmo de aprendizado backpropagation e termo momentum. A ANN2 foi comparada com um modelo estatístico de ajuste local (ME4) e dois modelos selecionados na literatura (ME5 e ME6). A variável de entrada foi o kt (transmissividade atmosférica da irradiação global). Os modelos foram avaliados por meio dos indicativos estatísticos: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) e d de Willmott. O desempenho de ANN2 é melhor que dos modelos estatísticos. A estimativa com ANN2 resultou: rRMSE=16,519% e d=0,980. O ME4 estimou com rRMSE=20,130% e d=0,971. Os ME5 e ME6 tiveram desempenho inferior ao ME4. O modelo ANN2 é recomendado como a primeira escolha para estimativa de H<sub>b</sub>, seguido do modelo ME4. The direct irradiation at normal incidence (H<sub>b</sub>) was estimated using Artificial Neural Networks (ANN2) to a database from 1996 to 2008 in Botucatu-Brazil, region with influence of agricultural burning. The network used was the Multilayer Perceptron (MLP), with the backpropagation algorithm and momentum term. The ANN2 was compared with a statistical model of local adjustment (ME4) and two models selected in the literature (ME5 and ME6). The input variable was the kt (atmospheric transmissivity of global radiation). The models were evaluated by means of statistical indicatives: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) and d Willmott. The ANN2 performance is better than statistical models. The estimate with ANN2 resulted: rRMSE=16.519% and d=0.980. The ME4 estimated with rRMSE=20.130% and d=0.971. The ME5 and ME6 had underperformed ME4. The ANN2 model is recommended as the first choice to estimate H<sub>b</sub>, followed by ME4 model. Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) |
description |
A irradiação direta na incidência normal (H<sub>b</sub>) foi estimada utilizando Redes Neurais Artificiais (ANN2) para uma base de dados medida do período de 1996 a 2008 em Botucatu- Brasil, região com influência de queimadas agrícolas. A rede utilizada foi a Multilayer Perceptron (MLP), com o algoritmo de aprendizado backpropagation e termo momentum. A ANN2 foi comparada com um modelo estatístico de ajuste local (ME4) e dois modelos selecionados na literatura (ME5 e ME6). A variável de entrada foi o kt (transmissividade atmosférica da irradiação global). Os modelos foram avaliados por meio dos indicativos estatísticos: Mean Bias Error (MBE,MJm⁻²), Relative Mean Bias Error (rMBE,%), Root Mean Square Error (RMSE,MJm⁻²), Relative Root Mean Square Error (rRMSE,%) e d de Willmott. O desempenho de ANN2 é melhor que dos modelos estatísticos. A estimativa com ANN2 resultou: rRMSE=16,519% e d=0,980. O ME4 estimou com rRMSE=20,130% e d=0,971. Os ME5 e ME6 tiveram desempenho inferior ao ME4. O modelo ANN2 é recomendado como a primeira escolha para estimativa de H<sub>b</sub>, seguido do modelo ME4. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Articulo http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/142990 |
url |
http://sedici.unlp.edu.ar/handle/10915/142990 |
dc.language.none.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1844 info:eu-repo/semantics/altIdentifier/issn/2314-1433 info:eu-repo/semantics/altIdentifier/issn/2796-8111 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) |
dc.format.none.fl_str_mv |
application/pdf 25-35 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616229756600320 |
score |
13.070432 |