Aplicação de Redes Neurais Artificiais (RNAs) no Preenchimento de Falhas de Séries Temporais Meteorológicas
AUTOR(ES)
Coutinho, Eluã Ramos, Silva, Robson Mariano da, Madeira, Jonni Guiller Ferreira, Coutinho, Pollyanna Rodrigues de Oliveira dos Santos, Boloy, Ronney Arismel Mancebo, Delgado, Angel Ramon Sanchez
FONTE
Rev. bras. meteorol.
DATA DE PUBLICAÇÃO
2018-06
RESUMO
Resumo O Referido estudo estima e preenche falhas reais em uma série de dados meteorológicos pertencentes a quatro regiões do estado do Rio de Janeiro. Para isso, foi aplicada uma Rede Neural Artificial (RNA) de Perceptrons de múltiplas camadas (MLP). A fim de avaliar sua aptidão, foram estimadas as variáveis mensais de temperatura máxima do ar e umidade relativa do ar do período de 31/05/2002 a 31/12/2014, e comparadas com os resultados obtidos por modelos de Regressão Linear Múltipla (RLM) e Média das regiões (MD), e ainda confrontados com os dados registrados. Para analisar os valores estimados e definir o melhor modelo para preenchimento foram aplicadas técnicas estatísticas como o coeficiente de correlação (r), erro médio percentual (EMP), entre outros. Os resultados demonstraram uma alta relação com os dados registrados, apresentando índices entre 0,94 a 0,98 de (r) para temperatura máxima do ar e entre 2,32% a 1,05% de (EMP), mantendo a precisão entre 97% a 99%. Já para umidade relativa do ar o índice (r) com MLP se manteve entre 0,77 a 0,94, e o (EMP), entre 2,41% a 1,85%, mantendo as estimativas entre 97% a 98%. Esses resultados destacam a MLP como sendo eficaz na estimativa e preenchimento de valores faltantes.
ASSUNTO(S)
preenchimento de falhas dados meteorológicos rede neural artificial (rna) perceptron de múltiplas camadas (mlp) regressão linear múltipla (rlm)
Documentos Relacionados
- APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO TRATAMENTO DE DADOS AGROMETEOROLÓGICOS VISANDO A CORREÇÃO DE SÉRIES TEMPORAIS
- ARTIFICIAL NEURAL NETWORKS IN TIME SERIES FORECASTING
- Preenchimento de Falhas em Séries Temporais de Precipitação Diária no Rio Grande do Sul
- Mapamento de florestas decícuas através de redes neurais artificiais e séries temporais de NDVI MODIS
- Aplicação de redes neurais artificiais no setor de transportes no Brasil