Uso de Redes Neurais Artificiais para Previsão de GHI

Resumo

Redes Neurais Artificiais são modelos computacionais inspirados no funcionamento do sistema nervoso central dos animais. São capazes de promover o aprendizado de máquina e reconhecimento de padrões com alta qualidade. Este trabalho teve por objetivo a previsão de um passo à frente da Irradiação Global Horizontal (GHI) diária utilizando Redes Neurais Artificiais (RNAs) de dois tipos: Nonlinear Autoregressive Network (NAR) e Nonlinear Autoregressive Network with Exogenous Inputs (NARX). A estrutura da rede foi desenvolvida a partir da ferramenta NTSTOOL do Matlab 2019b®. A base de dados utilizada foi fornecida pela rede do Sistema de Organização Nacional de Dados Ambientais (SONDA), contemplando a estação de Brasília. Foram testados diferentes modelos de redes neurais, contemplando inputs variados, e combinações dos mesmos. Além disso, foram experimentados dois algoritmos de treinamento, assim como diversos números de processadores na camada escondida, janela de entrada e percentuais para treinamento, validação e teste da rede. Buscou-se a configuração capaz de fornecer os erros mais baixos possíveis com boa generalização. Os resultados foram comparados com os modelos naive e de amortecimento exponencial. Obteve-se uma estrutura que forneceu 5,75% para o erro MAPE de teste e 29.383,55 W/m² para o RMSE de teste, se sobressaindo em relação à previsão naive (MAPE:19,28%; RMSE: 67.920,73 W/m²) e aquela fornecida pelo modelo de amortecimento exponencial (MAPE: 9,36%; RMSE: 35.091,81 W/m²).