Estimates of reference evapotranspiration in the municipality of Ariquemes (RO) using neural networks GMDH-type
AUTOR(ES)
Carvalho, Roberto L. da S.
FONTE
Rev. bras. eng. agríc. ambient.
DATA DE PUBLICAÇÃO
06/05/2019
RESUMO
RESUMO A evapotranspiração de referência é uma variável climatológica de suma importância para o dimensionamento do uso da água nos métodos de irrigação. Neste sentido, com o intuito de contribuir para o entendimento climático de Ariquemes, RO, o estudo tem como objetivo modelar o comportamento da série temporal da evapotranspiração de referência, no munícipio, utilizando redes neurais artificiais (RNA) do tipo GMDH (Método de Grupo de Manipulação de Dados) e compará-lo com a metodologia SARIMA (Sazonal Autorregressivo Integrado de Médias Móveis). Foram utilizados os dados disponíveis no Instituto Nacional de Meteorologia – INMET, obtidos na estação Meteorológica Automática de Ariquemes/RO, no período de janeiro de 2011 até janeiro de 2014. Para a análise de dados foi utilizado o software R versão 3.3.1 através do pacote GMDH. A modelagem por RNA tipo GMDH apresentou resultados similares aos resultados do modelo SARIMA, constituindo-se assim, numa opção para previsão de séries temporais climáticas. Modelos do tipo GMDH com números maiores de entradas e camadas apresentaram o menor erro quadrado médio.ABSTRACT Reference evapotranspiration is a climatological variable of great importance for water use dimensioning in irrigation methods. In order to contribute to the climatic understanding of Ariquemes, Rodônia state, Brazil, the study aims to model the behavior of the time series of reference evapotranspiration using a GMDH-type (Group Method of Data Handling) artificial neural network (ANN) and to compare it with the SARIMA (Seasonal Autoregressive Integrated Moving Average) methodology. Data from the National Institute of Meteorology - INMET, obtained at the Automatic Weather Station of Ariquemes, from January 2011 to January 2014, were used. Data analysis was performed using software R version 3.3.1 through the GMDH-type ANN package. Modeling by GMDH-type ANN led to results similar to the results of the SARIMA model, thus constituting an option to predict climatic time series. GMDH-type models with larger numbers of inputs and layers presented lowest mean square error.
Documentos Relacionados
- REFERENCE EVAPOTRANSPIRATION FORECASTING BY ARTIFICIAL NEURAL NETWORKS
- Three decades of reference evapotranspiration estimates for a tropical watershed in the eastern Amazon
- Digital soil mapping using reference area and artificial neural networks
- Estimativa da evapotranspiração da bacia do Ji-Paraná (RO) através de técnicas de sensoriamento remoto e geoprocessamento.
- SS-A (Ro) antibody in random mother-infant pairs.