ESTIMATIVAS DAS MODELAGENS POR REDES NEURAIS TIPO GMDH E BOX-JENKINS PARA AS SÉRIES DE TEMPERATURAS MÁXIMAS E MÍNIMAS DO MUNICÍPIO DE ARIQUEMES (RO)

Autores

  • Roberto Luís da Silva Carvalho
  • Angel Ramon Sanchez Delgado

DOI:

https://doi.org/10.5380/abclima.v26i0.59145

Palavras-chave:

Modelagem, Séries Temporais, Redes Neurais

Resumo

A busca por metodologias que possam aprimorar o processo de predição de variáveis climáticas, para uma determinada região, contribui para o desenvolvimento em diversas áreas do conhecimento, seja na identificação de eventos extremos climáticos ou na previsão diária para processos agrícolas de irrigação. Neste sentido, este estudo tem como objetivo apresentar uma abordagem computacional para estimar as séries temporais associadas às temperaturas máximas e mínimas do ar, no município de Ariquemes (Rondônia). Especificamente, buscou-se modelar o comportamento das séries temporais utilizando redes neurais artificiais do tipo GMDH (Método de Grupo de Manipulação de Dados) e compará-los com a modelagem Box-Jenkins. Foram utilizados os dados climatológicos 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. Em geral, a modelagem por Redes Neurais do tipo GMDH para estas séries apresentou resultados similares aos modelos Box-Jenkins, constituindo-se, assim, numa opção para previsão de séries temporais climáticas. Modelos do tipo GMDH com quatro entradas e três camadas se mostraram mais eficientes, ou seja, com menor erro quadrático médio. A função de transferência de base radial foi mais eficiente.

Downloads

Não há dados estatísticos.

Downloads

Publicado

04-03-2021

Como Citar

Carvalho, R. L. da S., & Delgado, A. R. S. (2021). ESTIMATIVAS DAS MODELAGENS POR REDES NEURAIS TIPO GMDH E BOX-JENKINS PARA AS SÉRIES DE TEMPERATURAS MÁXIMAS E MÍNIMAS DO MUNICÍPIO DE ARIQUEMES (RO). Revista Brasileira De Climatologia, 26. https://doi.org/10.5380/abclima.v26i0.59145

Edição

Seção

Artigos