Estimativa da evapotranspiração de referência através de redes neurais artificiais
AUTOR(ES)
Alves Sobrinho, Teodorico, Rodrigues, Dulce Buchala Bicca, Oliveira, Paulo Tarso Sanches de, Rebucci, Lais Cristina Soares, Pertussatti, Caroline Alvarenga
FONTE
Revista Brasileira de Meteorologia
DATA DE PUBLICAÇÃO
2011-06
RESUMO
A estimativa da evapotranspiração por métodos indiretos propicia, de modo facilitado, a geração de dados para o planejamento de sistemas de irrigação e aplicação de modelos meteorológicos e hidrológicos, ambos, úteis na gestão de bacias hidrográficas. O objetivo deste trabalho foi elaborar uma Rede Neural Artificial (RNA) para estimar a evapotranspiração de referência (Eto) em função de dados diários de temperatura do ar. A RNA, do tipo FeedForward Multilayer Perceptron, foi treinada tomando-se por referência a Eto diária obtida pelo método de Penman-Monteith. Nas camadas intermediárias e de saída foram utilizadas funções de ativação do tipo tan-sigmóide e lineares, respectivamente. Os valores de Eto gerados pela RNA foram comparados com os obtidos pelos métodos de Blanney-Criddle e Hargreaves considerando meses referentes às quatro estações do ano. Em relação aos outros métodos analisados, os resultados obtidos a partir da RNA foram mais próximos ao método padrão Penman-Monteith. Assim, o desempenho da RNA desenvolvida foi satisfatório, podendo-se considerá-la como integrante do conjunto de métodos indiretos para estimativa da evapotranspiração, além de representar uma diminuição dos custos de aquisição de dados para estimativa desta variável.
ASSUNTO(S)
sistemas inteligentes balanço hídrico manejo de irrigação
Documentos Relacionados
- Estimativa da evapotranspiração potencial no estado do Maranhão utilizando redes neurais artificiais
- Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais
- Estimativa da produtividade de soja com redes neurais artificiais
- Otimização de sistemas atraves de redes neurais artificiais
- Otimização de sistemas atraves de redes neurais artificiais