Prediction of global solar irradiation using hybridized k-means and support vector regression algorithms

2019 ◽  
Vol 29 ◽  
pp. 78-93 ◽  
Author(s):  
T.R. Ayodele ◽  
A.S.O. Ogunjuyigbe ◽  
A. Amedu ◽  
J.L. Munda
Keyword(s):  
Support Vector Regression ◽  
Solar Irradiation ◽  
Support Vector ◽  
Global Solar Irradiation ◽  
Regression Algorithms

Generation of daily global solar irradiation with support vector machines for regression

2015 ◽  
Vol 96 ◽  
pp. 277-286 ◽  
Author(s):  
F. Antonanzas-Torres ◽  
R. Urraca ◽  
J. Antonanzas ◽  
J. Fernandez-Ceniceros ◽  
F.J. Martinez-de-Pison
Keyword(s):  
Support Vector Machines ◽  
Solar Irradiation ◽  
Support Vector ◽  
Global Solar Irradiation ◽  
Vector Machines

Prediction of hourly O3 concentrations using support vector regression algorithms

2010 ◽  
Vol 44 (35) ◽  
pp. 4481-4488 ◽  
Author(s):  
E.G. Ortiz-García ◽  
S. Salcedo-Sanz ◽  
Á.M. Pérez-Bellido ◽  
J.A. Portilla-Figueras ◽  
L. Prieto
Keyword(s):  
Support Vector Regression ◽  
Support Vector ◽  
Regression Algorithms

scholarly journals Efficient prediction of total column ozone based on support vector regression algorithms, numerical models and Suomi-satellite data

Atmósfera ◽  
2017 ◽  
Vol 30 (1) ◽  
pp. 1-10 ◽  
Author(s):  
Leo Carro-Calvo ◽  
◽  
Carlos Casanova-Mateo ◽  
Julia Sanz-Justo ◽  
José Luis Casanova-Roque ◽  
...  
Keyword(s):  
Support Vector Regression ◽  
Satellite Data ◽  
Numerical Models ◽  
Support Vector ◽  
Total Column Ozone ◽  
Regression Algorithms ◽  
Efficient Prediction ◽  
Column Ozone ◽  
Total Column

scholarly journals MÁQUINAS DE VETORES DE SUPORTE (SVM) NA ESTIMATIVA DA FRAÇÃO DIFUSA DA IRRADIAÇÃO SOLAR GLOBAL

2019 ◽  
Vol 34 (4) ◽  
pp. 532-543
Author(s):  
Edson Luis Bassetto ◽  
Alexandre Dal Pai ◽  
Adriano De Souza Marques
Keyword(s):  
Model Development ◽  
Estimation Method ◽  
Sao Paulo ◽  
Climatic Conditions ◽  
Machine Learning Techniques ◽  
Solar Irradiation ◽  
Support Vector ◽  
São Paulo ◽  
Diffuse Fraction ◽  
Global Solar Irradiation

MÁQUINAS DE VETORES DE SUPORTE (SVM) NA ESTIMATIVA DA FRAÇÃO DIFUSA DA IRRADIAÇÃO SOLAR GLOBAL   EDSON LUIS BASSETTO1, ALEXANDRE DAL PAI2, ADRIANO DE SOUZA MARQUES3   1 Departamento de Elétrica, Universidade Tecnológica Federal do Paraná (UTFPR) câmpus Cornélio Procópio, avenida: Alberto Carazzai 1640, Cep: 86300-000, Cornélio Procópio, Paraná, Brasil. emial:[email protected]. 2 Departamento de Bioprocessos e Biotecnologia, Universidade Estadual Paulista (UNESP) câmpus Botucatu, avenida: Universitária 3780, Cep: 18610-034, Botucatu, São Paulo, Brasil. email:[email protected] 3 Departamento de Informática, Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP) câmpus Birigui, rua: Pedro Cavalo 709, Cep: 16201-407, Birigui, São Paulo, Brasil. email:[email protected]   RESUMO: A fração difusa (Kd) é a relação entre a irradiação solar difusa (Hd) e a irradiação solar global (Hg) e é um importante parâmetro para se obter medidas de Hd quando dados da Hg são conhecidos, pois permite minimizar a dependência do dia e local das informações ficando dependente somente das condições climáticas da localidade. Este trabalho tem como objetivo utilizar a técnica de Máquina de Vetores de Suporte (SVM) na estimativa da Kd na partição diária. Como entrada para aplicação da técnica são utilizadas informações de variáveis astronômicas, geográficas e meteorológicas. A técnica é comparada com modelo estatístico (ME) que utiliza como variável somente o índice de claridade (KT). Os dados utilizados são do período de 2000 a 2006. No treinamento da técnica é utilizado um conjunto de combinações de variáveis. Para validação os dados são organizados formando uma base anual denominada de Ano Típico (AT) e de Ano Atípico (AAT) e utilizados para treinamento e elaboração do modelo. O desempenho é avaliado pelo coeficiente de correlação (r) e a raiz quadrada do erro quadrático médio (RMSE). Os resultados mostram uma melhoria no desempenho com o uso da técnica SVM quando as variáveis são inseridas de forma progressiva contribuindo com as estimativas de Kd nas condições utilizadas.   Palavras-chaves: Radiação difusa, Técnicas de aprendizado de máquinas, Método de estimativa.   SUPPORT VECTOR MACHINES (SVM) IN GLOBAL SOLAR IRRADIATION DIFFUSED FRACTION ESTIMATE   ABSTRACT: Diffuse fraction (Kd) is the relationship between diffuse solar irradiation (Hd) and global solar irradiation (Hg) and is an important parameter for obtaining measurements of Hd when data Hg are known because it allows to minimize the day dependence and information place, being dependent only on the locality climatic conditions. This work aims to use the Support Vector Machine (SVM) technique to estimate Kd in the daily partition. As input for the application of the technique was use information of astronomical, geographical and meteorological variables. The technique is compared with a statistical model (ME) that uses only the lightness index (KT) as a variable. The data used are from 2000 to 2006. The technique training uses a set of combinations of variables. For validation, the data are reorganized into an annual basis called Typical Year (TY) and Atypical Year (AAY) and independent of data for training and model development. Performance is assessed by the correlation coefficient (r) and the square root of the mean square error (RMSE). The results show an improvement in performance using the technique SVM when the variables are entered progressively contributing to the estimates of Kd with the conditions used.   Keywords: Diffuse radiation, Machine learning techniques, Estimation method.

Sign in / Sign up

Export Citation Format

Share Document