APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO TRATAMENTO DE DADOS AGROMETEOROLÓGICOS VISANDO A CORREÇÃO DE SÉRIES TEMPORAIS
AUTOR(ES)
RODRIGO VIECHENESKI
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
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
ACESSO AO ARTIGO
http://www.bicen-tede.uepg.br/tde_busca/arquivo.php?codArquivo=861Documentos Relacionados
- Aplicação de Redes Neurais Artificiais (RNAs) no Preenchimento de Falhas de Séries Temporais Meteorológicas
- ARTIFICIAL NEURAL NETWORKS IN TIME SERIES FORECASTING
- 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
- APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS