Procedimento de classificação e regressão aplicado ao site de adaptação à radiação solar / Diego Rodrigues de Miranda. Neste contexto, os modelos de ajuste do local são usados para ajustar as séries de radiação de bancos de dados históricos com medições em terra.
MODELOS REGRESSIVOS UTILIZADOS PARA O SITE
Regressão Linear Múltipla
São apresentados os conceitos dos dois principais modelos estatísticos utilizados para adaptação de localização: regressão linear múltipla e redes neurais do tipo perceptron multicamadas. Com relação aos modelos de classificação, são apresentados conceitos relacionados ao modelo k-means (não supervisionado), árvores de decisão (supervisionado) e random forest (supervisionado).
Redes Neurais do tipo Multilayer Perceptron
Os pesos da rede são ajustados para cada vetor de valor i do conjunto de variáveis 𝑋𝑗, iterativamente. Quando a rede percorre todo o conjunto de treinamento uma vez, significa que a rede passou por uma época.
MODELOS UTILIZADOS NO PÓS-PROCESSAMENTO DOS
Quantile Mapping (QM)
A técnica QM aplica uma transformação inversa para usar a curva de distribuição cumulativa dos dados observados como referência para corrigir a curva de dados modelada. Na Figura 2, o CDF dos dados medidos e modelados é estimado empiricamente (ecdf) e a correção baseada no QM tenta aproximar a curva em vermelho da distribuição de probabilidade cumulativa da curva dos dados medidos, em azul.
Correção de BIAS e desvio padrão
MODELOS DE CLASSIFICAÇÃO
Algoritmo de k-means
O algoritmo rearranja iterativamente os clusters com base na similaridade dos pontos de um determinado cluster com seu centróide até que um critério de convergência seja atingido, por exemplo, quando a soma dos quadrados dos erros não diminui significativamente após um determinado número de iterações. Deve-se notar que um dos problemas com algoritmos de clustering baseados em particionamento é que eles geralmente atingem o mínimo local da função usada como critério de avaliação, em vez do mínimo global, devido à sensibilidade do algoritmo para inicializações de cluster (JAIN ET AL., 2000).
Árvore de decisão
Por exemplo, um critério de parada simples é quando todos os dados do conjunto de treinamento de uma determinada planilha pertencem a apenas uma classe. O objetivo é obter o critério de divisão que melhor separa os dados de acordo com as classes definidas no objetivo.
Random Forest
Cada árvore de decisão pode ser treinada em um subconjunto aleatório dos dados de treinamento, e as variáveis escolhidas para formar a estrutura da árvore também são escolhidas aleatoriamente. Os subconjuntos de treinamento para cada árvore de decisão também podem ser coletados aleatoriamente do conjunto de dados original.
PRÉ-PROCESSAMENTO DE VARIÁVEIS POR ANÁLISE DE
A redução da dimensionalidade está justamente na seleção das 𝑘 primeiras componentes principais (primeiras colunas da matriz 𝑃𝐶𝑚×𝑛) que representam a maior variância do conjunto de dados original.
DIAGRAMA DE TAYLOR E AVALIAÇÃO ESTATÍSTICA DOS
De todos os modelos testados, aqueles com abordagem local, ou seja, os que separam dias com céu claro e céu nublado, foram os que apresentaram os melhores resultados. Portanto, modelos de classificação para definir os subconjuntos aos quais os modelos regressivos serão aplicados são uma oportunidade para aumentar a precisão da correspondência de sites.
MODELOS DE CLASSIFICAÇÃO EM ENERGIA SOLAR
As técnicas analisadas incluem modelos de regressão linear simples, mapeamento quantil (THEMEßL ET AL., 2012; MICHELANGELI ET AL., 2009), mapeamento de distribuição de densidade de kernel (KDM), regressão linear múltipla, procedimento de mapeamento regressivo-quantílico sequencial (SIM ) e regressões usando subconjuntos de dados.
MODELOS DE SITE ADAPTATION
2021) implementam modelos de regressão linear, redes neurais, floresta aleatória e AdaBoost e comparam seus resultados com Mapeamento Quantil. Para cada subconjunto local, os autores testam os modelos ML de redes neurais, XGBoost, florestas aleatórias, regressão linear de rede elástica, Spline de regressão adaptativa multivariada (MARS) e regressão de vetor de suporte (SVR). Modelos de ML aplicados a subconjuntos locais: redes neurais, XGBoost, Random Forests, regressão linear elástica líquida, MARS e SVR.
ANÁLISE DAS METODOLOGIAS UTILIZADAS
A realização da adaptação do local usando modelos locais, com base em subconjuntos de séries temporais, é mencionada principalmente nos artigos de Polo et al. Tal metodologia pode ser encontrada em trabalhos de previsão de radiação solar, mas não é aplicada para realizar a adaptação do local. Como os dados utilizados neste trabalho incluem uma estação solar no município de Petrolina - PE, o banco de dados CAMS foi escolhido para realizar a adaptação do local.
CLASSIFICAÇÃO NÃO SUPERVISIONADA
O modelo de céu claro McClear, proposto por Lefèvre et al. 2013) e disponível no banco de dados CAMS foi utilizado neste trabalho. Estimar a função de densidade de probabilidade é útil para definir melhor os pontos iniciais do algoritmo k-means, pois um pico é formado na área associada a céu limpo. Logo abaixo da classe de céu claro, temos 𝑘𝑐 alto, 𝑉𝐼 próximo de zero e baixo KDE, que foi considerada uma classe de céu parcialmente claro (em magenta).
DIVISÃO DOS DADOS NOS CONJUNTOS DE CALIBRAÇÃO,
As diferentes posições de calibração, validação e ensaio respeitando a sequência cronológica da série temporal, definida de acordo com. O entrelaçamento dos dias para a determinação das amostras de calibração, validação e teste (por exemplo, os dois primeiros dias da série para calibração, o terceiro para validação e o quarto para teste, e assim por diante); Embaralhamento aleatório em conjuntos de dados diários com resolução de tempo de 15 minutos, com tamanhos diferentes para cada um dos conjuntos de dados.
CLASSIFICAÇÃO SUPERVISIONADA
Conjunto de calibração Treinamento de modelos de regressão e classificação supervisionada Conjunto de validação Seleção dos melhores modelos locais, por ex. As variáveis regressivas usadas para aprender o comportamento das classes definidas na etapa supervisionada incluem todas as saídas do modelo. Todas as variáveis de regressão são usadas na resolução de 15 minutos e, em seguida, o ajuste do local é realizado nessa escala de tempo.
SELEÇÃO E EXTRAÇÃO DE VARIÁVEIS
Em seguida, as variáveis mais relevantes são selecionadas para que o modelo seja retreinado no novo conjunto de variáveis encontrado. Primeiramente, a matriz de correlação das variáveis regressivas utilizadas é calculada para eliminar a redundância dos grupos de variáveis no conjunto de treinamento contendo as características que possuem alta correlação entre si. Se uma correlação maior que 0,99 for encontrada em uma linha específica, essa coluna e, portanto, a variável de regressão devem ser removidas do conjunto de variáveis.
SITE ADAPTATION
5 MLR com variáveis de regressão selecionadas por filtros de correlação (SEL) e pós-processadas com BIAS e correção de viés para cada subgrupo. O MLR foi treinado no conjunto de validação com variáveis de regressão selecionadas por filtros de correlação em todos os modelos globais e locais. O MLP foi treinado no conjunto de validação com variáveis de regressão selecionadas por filtros de correlação em todos os modelos globais e locais.
BASE DE DADOS UTILIZADAS
Em seguida, para cada estação solarimétrica, os resultados referentes à classificação não supervisionada dos dados são apresentados na seção 5.2. A Seção 5.3 apresenta os resultados da classificação supervisionada e a Seção 5.4 apresenta os resultados do ajuste de terreno utilizado em cada estação, descrevendo os resultados dos modelos global, local e de combinação. 15 AOD DU Profundidade óptica do aerossol a 550 nm para poeira CAMS 16 AOD SS Profundidade óptica do aerossol a 550 nm para sal marinho CAMS 17 AOD OR Profundidade óptica do aerossol a 550 nm para matéria.
CLASSIFICAÇÃO NÃO SUPERVISIONADA
As Figuras 14 e 15 apresentam dados minuto a minuto com classificações derivadas de janelas de tempo de 15 minutos para vários dias das séries El Rosal e Petrolina GHI. Por exemplo, em 1º de janeiro de 2019, para a estação Petrolina, algumas janelas de tempo classificadas como céu parcialmente claro (em magenta na Figura 15) representam um comportamento que pode estar mais próximo da classe de céu parcialmente variável (em verde). A variável classe céu tem distribuição bimodal, com um modo na baixa 𝑘𝑡 e outro na alta 𝑘𝑡, com exceção da estação El Rosal, que possui apenas uma moda (na região alta 𝑘𝑡).
CLASSIFICAÇÃO SUPERVISIONADA
A Figura 18 apresenta as matrizes de confusão no conjunto de teste para os melhores trechos (neste caso o trecho 43) em cada estação estudada. Nota-se também que o modelo confunde a classificação entre as classes 1 e 2 em todas as estações, atribuindo à classe céu parcialmente claro (classe 2) dados que pertencem à classe céu claro (classe 1) e vice-versa. Por fim, a classe 5 (céu parcialmente variável) possui menor acurácia em todas as estações do ano por ser uma classe intermediária entre as classes céu variável, céu nublado e céu parcialmente claro, o que dificulta a classificação correta desta classe pelo modelo.
SITE ADAPTATION
Estação El Rosal
Pode-se notar que na estação El Rosal, os melhores modelos globais, locais e combinados são MLP_QM, ModSelec e MLRComb_BD, respectivamente. A Figura 20 mostra MBEn, RMSEn, STDRatio e SS4 para cada uma das divisões de dados dos melhores modelos global, local e de combinação em comparação com o modelo CAMS. Em geral, os modelos locais e os modelos combinados fornecem melhores resultados do que o CAMS e os modelos globais.
Estação Salta
A Figura 24 apresenta o diagrama de Taylor sobre o conjunto de teste para a partição 46, pois o modelo de combinação MLRComb_BD foi o que apresentou o melhor resultado. Os modelos local e combinado, por outro lado, mostram uma leve melhora na correlação, que fica próxima a 0,94.
Estação Petrolina (GHI)
Pela Figura 26, pode-se observar que o BIAS (MBEn) apresentado pelo modelo CAMS é ajustado por todos os modelos, independentemente das partições de dados que preservam a sequência cronológica da série temporal (partições 1 a 10), pois essas partições mostram uma variação maior no BIAS, bem como em outras estatísticas. No entanto, os resultados do RMSEn e SS4 são semelhantes para todos os modelos, com uma melhora insignificante em relação ao modelo de referência CAMS. As melhores partições de dados para a estação Petrolina, componente GHI, foram as partições 47, 28 e 46 para o melhor modelo global, local e de combinação, respectivamente.
Estação Petrolina (DNI)
Pode-se observar na Figura 29 que o BIAS (MBEn) apresentado pelo modelo CAMS é da ordem de 20%, bem adaptado a todos os modelos considerando as seções 11 a 62. Os modelos global, local e combinado apresentam melhores resultados que o CAMS em termos de RMSEn e SS4. Pode-se observar que os modelos local e combinado apresentam melhores resultados em termos de correlação em relação ao CAMS.
Estação Gobabeb (GHI)
Estação Gobabeb (DNI)
Avaliação dos resultados
A Tabela 19 mostra os resultados da divisão 46 para cada subconjunto dos dados da estação de Salta. A Tabela 20 mostra os resultados divididos em 46 para cada subconjunto de dados da estação Petrolina (GHI). A Tabela 21 mostra os resultados divididos em 44 para cada subconjunto de dados da estação Petrolina (DNI).
A Tabela 22 apresenta os resultados da partição 43 para cada subconjunto dos dados da estação Gobabeb (GHI). Finalmente, a Tabela 23 apresenta os resultados da partição 43 para cada subconjunto dos dados da estação Gobabeb (DNI).
