Orientador: João Francisco Escobedo / Resumo: No presente trabalho é descrito o estudo comparativo de métodos de estimativas da irradiação solar global (HG) diária através do modelo de Hargreaves-Samani (H-S) HG/HO = a ΔT0,5 e duas técnicas de Aprendizado de Máquina (AM), Máquinas de Vetores de Suporte (MVS) e Redes Neurais Artificiais (RNA). A base de dados utilizada foi obtida em 11 cidades do estado de São Paulo de diferentes classificações climáticas no período de 2013-2017. Por meio de regressão entre a transmissividade atmosférica (HG/HO) e raiz quadrada da diferença de temperatura (ΔT0,5). O modelo estatístico H-S foi calibrado e determinado para os valores da constante (a) e equações que permitem estimar HG com baixos coeficientes de determinação para duas condições:11 cidades individualmente e total. Os modelos de H–S foram validados por meio de correlações entre os valores estimados e medidos através dos indicadores de correlação (r) e rRMSE cujos valores indicaram que os modelos podem estimar HG com razoável precisão e exatidão. As técnicas computacionais, MVS e RNA, foram treinadas com 70% dos dados nas mesmas variáveis usadas no modelo de H-S, e posteriormente foram treinadas com entradas de mais 4 variáveis meteorológicas totalizando 5 combinações. Os treinos foram validados usando uma base de dados independente de 30% da base. Os indicativos estatísticos (r) das correlações mostraram que o modelo H-S pode estimar HG com baixos coeficientes de determinação. Os indicativos estatísticos rMBE, MBE, rRMSE, RMSE... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work describes the comparative study of methods for estimating daily global solar irradiation (HG) using the Hargreaves-Samani (H-S) model HG / HO = a ΔT0.5 and two Machine Learning techniques (AM), Support Vectors Machines (MVS) and Artificial Neural Networks (ANN). The database used was obtained in 11 cities by the state of São Paulo from different climatic classifications between period 2013-2017. Through regression between differents atmospheric transmissivity (HG / HO) and square root of the temperature difference (ΔT0.5). The H-S statistical model was calibrated and determined for the values of constant (a) and equations that allow estimating HG with low determination coefficients for two conditions:11 cities individually and total. The H–S models were validated by correlations between the estimated and measured values using the correlation indicators (r) and rRMSE, whose values indicated that the models can estimate HG with reasonable precision and exactitude. The computational techniques, MVS and RNA, were trained with 70% of the data in the same variables used in the H-S model, later they were trained with inputs of 4 more meteorological totalling 5 combinations. The training was validated using an independent database of 30%. The statistical indications of the correlations showed that the H-S model can estimate HG with low determination coefficients. The statistical indications rMBE, MBE, rRMSE, RMSE indicate that the H-S model can be used to estimate HG with r... (Complete abstract click electronic access below) / Mestre