@TechReport{GuarachiGonēMart:2021:UsApMį,
               author = "Guarachi, Mariane Souza and Gon{\c{c}}alves, Andr{\'e} Rodrigues 
                         and Martins, Fernando Ramos",
                title = "Uso de aprendizado de m{\'a}quina para gera{\c{c}}{\~a}o de 
                         s{\'e}ries temporais de irradia{\c{c}}{\~a}o solar na 
                         superf{\'{\i}}cie",
          institution = "Instituto Nacional de Pesquisas Espaciais",
                 year = "2021",
                 type = "RPQ",
              address = "S{\~a}o Jos{\'e} dos Campos",
                 note = "{Bolsa PIBIC/PIBITI/INPE/CNPq.}",
             keywords = "energia solar, sensoriamento remoto, modelagem num{\'e}rica.",
             abstract = "{\'E} de suma import{\^a}ncia ter dispon{\'{\i}}vel 
                         s{\'e}ries temporais de irradi{\^a}ncia solar de um determinado 
                         local na superf{\'{\i}}cie da Terra para aplica{\c{c}}{\~a}o 
                         em {\'a}reas cient{\'{\i}}ficas e tecnol{\'o}gicas. Em um caso 
                         mais espec{\'{\i}}fico, como a gera{\c{c}}{\~a}o de 
                         eletricidade pela energia solar s{\~a}o necess{\'a}rios dados 
                         detalhados de irradi{\^a}ncia solar do local escolhido para 
                         modelar o desempenho de uma planta fotovoltaica. Frequentemente, 
                         estas s{\'e}ries temporais s{\~a}o obtidas pelas 
                         medi{\c{c}}{\~o}es realizadas no solo ou s{\~a}o derivadas de 
                         imagens de sat{\'e}lites. No entanto, as medi{\c{c}}{\~o}es de 
                         radia{\c{c}}{\~a}o solar podem apresentar descontinuidades no 
                         registro dos dados, que duram de minutos a dias, o que geralmente 
                         {\'e} causado pelo mau funcionamento dos instrumentos de 
                         medi{\c{c}}{\~o}es, manuten{\c{c}}{\~a}o preventiva e 
                         corretiva deficientes e aus{\^e}ncia de energia nos equipamentos. 
                         Esta falta de dados {\'e} prejudicial para o estudo de 
                         viabilidade de uma planta ou sistema fotovoltaico em um 
                         determinado local, pois a aus{\^e}ncia de dados acarreta no 
                         crescimento das incertezas das avalia{\c{c}}{\~o}es sobre o 
                         potencial t{\'e}cnico dispon{\'{\i}}vel no local. Portanto, 
                         nesses casos se faz necess{\'a}ria a utiliza{\c{c}}{\~a}o de 
                         s{\'e}ries temporais geradas sinteticamente ou matematicamente 
                         para preencher as lacunas de dados das medi{\c{c}}{\~o}es. 
                         Modelos estat{\'{\i}}sticos para a gera{\c{c}}{\~a}o de 
                         s{\'e}ries temporais podem utilizar diversas metodologias, 
                         incluindo o aprendizado de m{\'a}quina com a 
                         utiliza{\c{c}}{\~a}o de redes neurais artificiais capazes de 
                         acumular conhecimentos a partir de exemplos e 
                         repeti{\c{c}}{\~o}es. Este trabalho prop{\~o}e o 
                         desenvolvimento e emprego de metodologias de aprendizado de 
                         m{\'a}quinas para a previs{\~a}o de dados de 
                         irradia{\c{c}}{\~a}o solar por meio de s{\'e}ries temporais. A 
                         pesquisa foi iniciada pelo ex-bolsista Rafael Mariano 
                         Juv{\^e}ncio, posteriormente substitu{\'{\i}}do pela estudante 
                         Mariane Souza Guarachi em maio de 2021. Neste per{\'{\i}}odo foi 
                         realizado o levantamento bibliogr{\'a}fico do conhecimento 
                         publicado sobre a gera{\c{c}}{\~a}o de s{\'e}ries temporais e 
                         capacita{\c{c}}{\~a}o no uso da linguagem Python. Em 
                         continuidade ser{\~a}o utilizados diferentes conjuntos de 
                         preditores e topologias de redes neurais com o intuito de 
                         investigar o desempenho no preenchimento de aus{\^e}ncia de dados 
                         em s{\'e}ries temporais.",
          affiliation = "{Universidade Federal de S{\~a}o Paulo (UNIFESP)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Universidade Federal 
                         de S{\~a}o Paulo (UNIFESP)}",
             language = "pt",
                pages = "26",
                  ibi = "8JMKD3MGP3W34T/464KC8B",
                  url = "http://urlib.net/ibi/8JMKD3MGP3W34T/464KC8B",
           targetfile = "Relatorio_Final_PIBIC_2020_2021_Mariane_Souza_Guarachi.pdf",
        urlaccessdate = "11 maio 2024"
}