Estimativa da radição global horária em superfície inclinada para o município de Botucatu/SP/Brasil usando modelo estatístico e arquiteturas de redes neurais artificiais MLP e GRNN

Abstract

Neste trabalho realizou-se um estudo com três modelos de estimativa para realizar a estimativa da irradiação global incidente em uma superfície com inclinação de 22,85° (IGβ), a partir dos dados da irradiação solar gobal na superfície horizontal (IGH) medidos na partição horária no

período de abril de 1998 a agosto de 2001 na estação climatológica da Faculdade de Ciências

Agronômicas da UNESP no câmpus de Butucatu/SP/Brasil, sendo eles: o modelo estatístico (ME) (Liu & Jordan, 1963) e os modelos de redes neurais artificiais (RNA), Perceptron Multicamadas (MultLayer Perceptron - MLP) utilizando algoritmo Backpropagation e Rede de Regressão Generalizada (Generalized Regression Neural Network - GRNN). O modelo clássico obtido por regressão e os modelos de rede treinados, foram validados em duas bases de dados classificadas como anos típicos (AT) e anos atípicos (AAT). Para o treinamento das redes, foram realizadas 8 combinações de variáveis astronômicas e geográficas, medidas e calculadas. Os índices estatísticos de avaliação de desempenho utilizados (r e RMSE%) obtidos no modelo clássico foram: rAT=0,9927, RMSE%AT=6,5898 e rAAT=0,9960, RMSE%AAT=4,8062, os índices obtidos com a melhor combinação (RNA3) para a rede MLP foram: rAT=0,9941, RMSE%AT=5,9849 e rAAT=0,9984, RMSE%AAT=3,0561, e os índices obtidos com a melhor combinação (RNA3) para a rede GRNN foram: rAT=0,9975, RMSE%AT=3,8808 e rAAT=0,9989, RMSE%AAT=2,6050. Os resultados mostram que os três modelos apresentaram bons resultados nas estimativas da IGβ a partir dos dados medidos da IGH, porém entre os modelos de RNA, destaca-se os resultados obtidos pela GRNN na estimativa da IGβ.