Biblioteca70.220 documentos en l韓ea

Art韈ulo

Assessment of Artificial Neural Networks for Hourly Solar Radiation PredictionEvaluación de redes neuronales artificiales para la predicción de la radiación solar horaria

Resumen

Este artículo presenta una evaluación del enfoque basado en redes neuronales artificiales (RNA) para la predicción de la radiación solar horaria. Se utilizaron cuatro topologías de RNA: una generalizada (GRNN), una de retropropagación hacia delante (FFNN), una de retropropagación hacia delante en cascada (CFNN) y una de retropropagación de Elman (ELMNN). Los tres valores estadísticos utilizados para evaluar la eficacia de las redes neuronales fueron el error porcentual medio absoluto (MAPE), el error de sesgo medio (MBE) y el error cuadrático medio (RMSE). Los resultados de la predicción muestran que la GRNN supera a los demás métodos propuestos. Los valores medios de MAPE, MBE y RMSE con GRNN fueron 4,9%, 0,29 y 5,75%, respectivamente. Las eficacias de FFNN y CFNN fueron aceptables en general, pero su valor predictivo se degradó en condiciones de mala radiación solar. Los valores medios del MAPE, MBE y RMSE utilizando el FFNN fueron del 23%, -.09 y 21,9%, respectivamente, mientras que los valores medios del MAPE, MBE y RMSE utilizando CFNN fueron 22,5%, -19,15 y 21,9%, respectivamente. ELMNN fue el peor de los métodos propuestos en la predicción de la radiación solar horaria, con unos valores medios de MAPE, MBE y RMSE del 34,5%, -11,1 y 34,35%. El uso del GRNN para predecir la radiación solar en todas las condiciones climáticas arrojó resultados muy precisos y eficientes.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Ingl閟
  • Tama駉: Kb

C髆o citar el documento

Esta es una versi髇 de prueba de citaci髇 de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citaci髇 de las respectivas fuentes.

Este contenido no est锟 disponible para su tipo de suscripci锟絥

Información del documento