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

Comparing Different Methods for Estimating Hourly Solar Ultraviolet Radiation: Empirical Models, Artificial Neural Network and Support Vector Machine

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, K_T} é considerada a melhor alternativa devido ao pequeno número de variáveis de entrada utilizadas e pela relativa acurácia.

Palavras-chave:
radiação solar; aprendizado de máquinas; seleção de variáveis de entrada