APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO TRATAMENTO DE DADOS AGROMETEOROLÓGICOS VISANDO A CORREÇÃO DE SÉRIES TEMPORAIS

AUTOR(ES)
FONTE

IBICT

DATA DE PUBLICAÇÃO

24/09/2012

RESUMO

Esta dissertação apresenta o desenvolvimento de um sistema computacional deno-minado Sistema para Tratamento de Séries Temporais Agrometeorológicas (STST Agrometeorológicas), com o objetivo de tratar dados agrometeorológicos visando a correção de séries temporais. Para o desenvolvimento dos estudos foram utilizados dados de estações agrometeorológicas disponibilizados pela Fundação ABC, situa-da no estado do Paraná, nas cidades de Ponta Grossa (long -49.95025733, lat -25.30156819) e Castro (long -49.8672, lat -24.6752). O sistema computacional pro-posto fez uso da tecnologia de Redes Neurais Artificiais do tipo Perceptron de Múlti-plas Camadas e do algoritmo backpropagation de treinamento de retropropagação do erro. E foi desenvolvido com a linguagem de programação Object Pascal, utili-zando o ambiente de desenvolvimento integrado Embarcadero Delphi 2009. Para validar o método proposto, foram realizados seis estudos de caso, dentre os quais, o que apresentou o melhor resultado para variável agrometeorológica temperatura média foi o estudo de caso 1 da estação agrometeorológica de Castro, com um per-centual de acerto entre os registros tratados e os registros sem falha de 96,5%, um coeficiente de correlação de Pearson de 0,98 e uma média simples entre os erros obtidos nos treinamentos da rede neural de 0,026406. A média dos erros das redes neurais foi calculada entre os valores dos erros obtidos em cada treinamento, duran-te a correção de um determinado período de falha. Para variável agrometeorológica umidade relativa do ar, o melhor resultado encontrado foi o estudo de caso 5 da es-tação agrometeorológica de Castro, com um percentual de acerto de 95,7%, um coe-ficiente de correlação de Pearson de 0,97 e a média simples dos erros da rede neu-ral de 0,094298. Diante desse contexto, foi possível perceber que o STST Agrome-teorológicas é uma alternativa viável no tratamento das variáveis agrometeorológicas temperatura média e umidade relativa do ar, uma vez que, houve resultados com percentual de acerto superior a 95% no tratamento de falhas das séries temporais estudadas.

ASSUNTO(S)

sistema computacional ciencia da computacao computational system multilayer perceptron agrometeorological variables backpropagation backpropagation variáveis agrometeorológicas perceptron de múltiplas camadas

Documentos Relacionados