Model for Estimating the Cloud Cover from Global Solar Radiation in Puket Province, Thailand

Abstract

           In this research, the monthly average daily cloud amount estimation model is developed from the monthly average daily global solar  radiation data in Puketi province between 2006 - 2016 , and test the model with data from  2017 - 2019.    In  this  study ,  nine  empirical  models  were  derived from the  Angström - Prescott linear regression  model and  its derivatives such  as   quadratic ,  cubic ,  logarithmic ,  exponential   and   power.   The result found that  the  best  performance  model  was  correlated  between the ratio of monthly   average   daily   cloud   amount  to  maximum  cloud volume   of   measurement  ,   and   the   monthly   average   daily   global  solar  radiation  per  daily  extraterrestrial  radiation    as  .  That  provides  statistical analysis  results  are  the  correlation  coefficient  (R) ,  the  Nash - Sutcliffe coefficient  (NS)  ,   root  mean   square   error  (RMSE) ,    mean  bias  error (MBE) ,   mean   absolute   bias   error  (MABE) ,   mean   percentage   error (MPE) ,  mean  absolute  percentage  error  (MAPE)  and   t-statistic  (t-stat) equal  to   0.884   0.781   0.468   0.310   0.340   5.086%   5.561%   and   2.929 , respectively.     This   received   a    global   performance    indicator   (GPI) assignment  of  0.619.   According  to  the results ,  the  exponential  model predicted  and  the  measurements  are  consistent  and can be  applied to other a similar climate area.