Detalhes bibliográficos
| Ano de defesa: |
2014 |
| Autor(a) principal: |
Coutinho, Eluã Ramos
 |
| Orientador(a): |
Delgado, Angel Ramon Sanchez
|
| Banca de defesa: |
França, Felipe Maia Galvão,
Santos, Ednaldo Oliveira dos |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal Rural do Rio de Janeiro
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Modelagem Matemática e Computacional
|
| Departamento: |
Instituto de Ciências Exatas
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://rima.ufrrj.br/jspui/handle/20.500.14407/14335
|
Resumo: |
As informações sobre o clima possuem extrema importância para a sociedade e instituições públicas e privadas. Geralmente os dados reais associados com fenômenos climatológicos são obtidos utilizando sensores que estão sujeitos a falhas. Desta forma geram-se dados inválidos que podem prejudicar a análise. O presente estudo visa a aplicação de técnicas de inteligência computacional no desenvolvimento de um modelo híbrido composto por Redes Neurais Artificiais (RNAs) e Algoritmos Genéticos (AGs), para preencher as falhas das variáveis mensais de evaporação, temperatura máxima e umidade relativa do ar pertencentes a seis regiões do estado do Rio de Janeiro. Os resultados obtidos foram comparados com os métodos de Médias, Regressão Linear Múltipla, RNAs Multilayer Perceptron (MLP) e Radial Basis Function (RBF). A performance do modelo proposto foi avaliada utilizando o coeficiente de correlação, erro médio absoluto, raiz do erro médio quadrático, erro médio percentual, índice de concordância e índice de confiança. A avaliação dos resultados mostraram que na maioria dos casos o modelo proposto apresentou índices superiores aos demais modelos, chegando a obter 0,99 de correlação, e erros médios percentuais entre 10% e 1%. No que tange a performance do preenchimento de falhas reais o modelo proposto obteve valor médio de 100% para o preenchimento de dados referentes a evaporação, 89,2% para temperatura máxima do ar e 75,3% para umidade relativa do ar. Logo, pode-se concluir que o modelo proposto é uma alternativa no preenchimento de falhas de dados meteorológicos. |
