@InProceedings{GuarnieriPereMartChan:2006:PóEsSa,
               author = "Guarnieri, Ricardo Andr{\'e} and Pereira, Enio Bueno and Martins, 
                         Fernando Ramos and Chan, Chou Sin",
          affiliation = "Instituto Nacional de Pesquisas Espaciais (INPE), Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos (CPTEC) and 
                         Instituto Nacional de Pesquisas Espaciais (INPE), Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos (CPTEC) and 
                         Instituto Nacional de Pesquisas Espaciais (INPE), Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos (CPTEC) and 
                         Instituto Nacional de Pesquisas Espaciais (INPE), Centro de 
                         Previs{\~a}o de Tempo e Estudos Clim{\'a}ticos (CPTEC)",
                title = "Previs{\~o}es de radia{\c{c}}{\~a}o solar para o setor de 
                         energia: p{\'o}s-processamento estat{\'{\i}}stico das 
                         sa{\'{\i}}das do modelo ETA/CPTEC",
            booktitle = "Proceedings...",
                 year = "2006",
         organization = "Congresso Brasileiro de Meteorologia, 14. (CBMET).",
            publisher = "SBMET",
             keywords = "energia solar, previs{\~a}o de radia{\c{c}}{\~a}o solar, modelo 
                         Eta/CPTEC.",
             abstract = "Este trabalho apresenta os resultados de um estudo sobre a 
                         melhoria da performance da previs{\~a}o de radia{\c{c}}{\~a}o 
                         solar oferecida pelo modelo Eta/CPTEC, visando melhor atender o 
                         setor de energia. A previs{\~a}o diretamente determinada pelo 
                         modelo {\'e} sistematicamente superestimada, acarretando um 
                         vi{\'e}s elevado quando comparada a dados de radia{\c{c}}{\~a}o 
                         solar medidos por esta{\c{c}}{\~o}es solarim{\'e}tricas de 
                         superf{\'{\i}}cie. Nesse trabalho {\'e} apresentada a 
                         avalia{\c{c}}{\~a}o de novas previs{\~o}es obtidas por modelos 
                         de Regress{\~a}o Linear M{\'u}ltipla (RLM), empregando 
                         vari{\'a}veis diversas previstas pelo modelo Eta/CPTEC. Na 
                         determina{\c{c}}{\~a}o dos coeficientes desses modelos lineares, 
                         foram empregadas medidas de radia{\c{c}}{\~a}o solar global, 
                         efetuadas por duas esta{\c{c}}{\~o}es de coleta de dados do 
                         projeto SONDA: Florian{\'o}polis (SC) e S{\~a}o Martinho da 
                         Serra (RS). A partir de uma seq{\"u}{\^e}ncia de testes, foi 
                         determinado um modelo simples, baseado em apenas 7 vari{\'a}veis 
                         previstas pelo modelo Eta, e que proporcionou ganhos da ordem de 
                         30%, em termos de RMSE. This article presents the results of a 
                         study about the statistical improvement of the solar radiation 
                         forecasts provided by the Eta/CPTEC model linked to the energy 
                         sector. Currently, Eta´s forecast for solar irradiation presents a 
                         systematic overestimation, leading to a high bias when compared to 
                         ground data. This study presents the evaluation of new forecasts 
                         obtained using Multiple Linear Regression (RLM) schemes. These 
                         schemes use the forecasts of a set of variables from Eta/CPTEC 
                         model as input. We employed ground data of global solar radiation 
                         supplied by two SONDA sites Florian{\'o}polis (SC) and S{\~a}o 
                         Martinho da Serra (RS) to fit the RLM coefficients. After several 
                         tests, the best outcome was achieved with a RLM-model based on 
                         just 7 variables provided by Eta forecast output. This simple 
                         RLM-model led to improvements of about 30% in terms of RMSE.",
  conference-location = "Florian{\'o}polis, SC",
      conference-year = "Nov.27 - 01 Dec.",
           copyholder = "SID/SCD",
             language = "pt",
         organisation = "Coordenadora Geral do Congresso - Maria Gertrudes Alvarez Justi 
                         (presidente da SBMET)",
           targetfile = "Guarnieri.Previs{\~o}es.pdf",
                  url = "http://www.sbmet.org.br/congresso/index.html",
        urlaccessdate = "30 jun. 2024"
}