Previsão pontual de radiação solar com redes neurais artificiais

Autores

  • Fellype S. Barroso BCC/IEG/UFOPA
  • Helaine C. M. Furtado IEG/UFOPA

Resumo

O desenvolvimento socioeconômico de uma sociedade está intimamente relacionado à produção econsumo de energia [3]. [...] 

Downloads

Não há dados estatísticos.

Referências

Bergstra, J., Bengio, Y. Random search for hyper-parameter optimization, JMLR, 13:281–305, 2012.Dispon ́ıvel em:https://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a[[2] Elman, Jeffrey L. Distributed representations, simple recurrent networks, and grammatical structure.Machine Learning, 7:195–225, 1991. DOI: 10.1023/A:1022699029236.

Goldemberg, J., Lucon, O.Energia, meio Ambiente e desenvolvimento, 3a. edi ̧c ̃ao. Editora da Uni-versidade de S ̃ao Paulo - EDUSP, S ̃ao Paulo, 2008.

De Sousa, A. F. G., Furtado, H. C. M., Macˆedo, W. N., Meneses, A. A. de M. Analysis of ArtificialNeural Network Point Forecasting Models and Prediction Intervals for Solar Irradiance Estima-tion,American Journal of Engineering and Applied Sciences, 13:347–357, 2020. DOI: 10.3844/aje-assp.2020.347.357.

Haykin, S.Redes neurais: princ ́ıpios e pr ́atica, 2a. edi ̧cao. Bookman, Porto Alegre, 2001.

Premalatha, N., Armirtham, V. A. Prediction of solar radiation for solar systems by using ANN mo-dels with different back propagation algorithms, Journal of applied research and technology, 14:206-214, 2016. DOI: 10.1016/j.jart.2016.05.001.

Rehman, S., Mohandes, M. Artificial neural network estimation of global solar radia-tion using air temperature and relative humidity.Energy Policy, 36:571–576, 2008. DOI:10.1016/j.enpol.2007.09.033.

Tymvios, F. S., Jacovides, C. P., Michaelides, S.C., Scouteli, C. Comparative study ofˆAngstr ̈om’sand artificial neural networks’ methodologies in estimating global solar radiation,Solar Energy,78:752–762, 2005. DOI: 10.1016/j.solener.2004.09.007.

Toulis, P., Airoldi E., Rennie J. Statistical analysis of stochastic gradient methods for generalizedlinear models,Proceedings of the 31st International Conference on Machine Learning, volume 32,2014. Disponível em:http://proceedings.mlr.press/v32/toulis14.html

Downloads

Publicado

2021-12-20

Edição

Seção

Resumos