Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662008000200010 |
Resumo: | Propor uma rede neural artificial (RNA) para estimar a evapotranspiração de referência (ETo) em função das coordenadas de posição geográfica e da temperatura do ar no Estado do Rio de Janeiro, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 17 séries históricas de elementos climáticos localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, temperatura média do ar, amplitude térmica diária e dia do ano. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou o melhor desempenho, a qual é composta de apenas uma camada intermediária (com vinte neurônios e função de ativação do tipo sigmóide logística) e uma camada de saída (com um neurônio e função de ativação linear). Pelos resultados obtidos conclui-se que, levando-se em consideração apenas as coordenadas de posição geográfica e a temperatura do ar, pode-se estimar a ETo (valores diários) em 17 localidades do Estado do Rio de Janeiro usando uma RNA. |
id |
UFCG-1_aded25e72b37dcbe6cf256b0edbbc40c |
---|---|
oai_identifier_str |
oai:scielo:S1415-43662008000200010 |
network_acronym_str |
UFCG-1 |
network_name_str |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
repository_id_str |
|
spelling |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiaiselementos climáticosinteligência artificialmodelos empíricosPropor uma rede neural artificial (RNA) para estimar a evapotranspiração de referência (ETo) em função das coordenadas de posição geográfica e da temperatura do ar no Estado do Rio de Janeiro, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 17 séries históricas de elementos climáticos localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, temperatura média do ar, amplitude térmica diária e dia do ano. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou o melhor desempenho, a qual é composta de apenas uma camada intermediária (com vinte neurônios e função de ativação do tipo sigmóide logística) e uma camada de saída (com um neurônio e função de ativação linear). Pelos resultados obtidos conclui-se que, levando-se em consideração apenas as coordenadas de posição geográfica e a temperatura do ar, pode-se estimar a ETo (valores diários) em 17 localidades do Estado do Rio de Janeiro usando uma RNA.Departamento de Engenharia Agrícola - UFCG2008-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662008000200010Revista Brasileira de Engenharia Agrícola e Ambiental v.12 n.2 2008reponame:Revista Brasileira de Engenharia Agrícola e Ambiental (Online)instname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG10.1590/S1415-43662008000200010info:eu-repo/semantics/openAccessZanetti,Sidney S.Sousa,Elias F.Carvalho,Daniel F. deBernardo,Salassierpor2008-02-29T00:00:00Zoai:scielo:S1415-43662008000200010Revistahttp://www.scielo.br/rbeaaPUBhttps://old.scielo.br/oai/scielo-oai.php||agriambi@agriambi.com.br1807-19291415-4366opendoar:2008-02-29T00:00Revista Brasileira de Engenharia Agrícola e Ambiental (Online) - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
title |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
spellingShingle |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais Zanetti,Sidney S. elementos climáticos inteligência artificial modelos empíricos |
title_short |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
title_full |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
title_fullStr |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
title_full_unstemmed |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
title_sort |
Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais |
author |
Zanetti,Sidney S. |
author_facet |
Zanetti,Sidney S. Sousa,Elias F. Carvalho,Daniel F. de Bernardo,Salassier |
author_role |
author |
author2 |
Sousa,Elias F. Carvalho,Daniel F. de Bernardo,Salassier |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Zanetti,Sidney S. Sousa,Elias F. Carvalho,Daniel F. de Bernardo,Salassier |
dc.subject.por.fl_str_mv |
elementos climáticos inteligência artificial modelos empíricos |
topic |
elementos climáticos inteligência artificial modelos empíricos |
description |
Propor uma rede neural artificial (RNA) para estimar a evapotranspiração de referência (ETo) em função das coordenadas de posição geográfica e da temperatura do ar no Estado do Rio de Janeiro, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 17 séries históricas de elementos climáticos localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, temperatura média do ar, amplitude térmica diária e dia do ano. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou o melhor desempenho, a qual é composta de apenas uma camada intermediária (com vinte neurônios e função de ativação do tipo sigmóide logística) e uma camada de saída (com um neurônio e função de ativação linear). Pelos resultados obtidos conclui-se que, levando-se em consideração apenas as coordenadas de posição geográfica e a temperatura do ar, pode-se estimar a ETo (valores diários) em 17 localidades do Estado do Rio de Janeiro usando uma RNA. |
publishDate |
2008 |
dc.date.none.fl_str_mv |
2008-04-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662008000200010 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662008000200010 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S1415-43662008000200010 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Departamento de Engenharia Agrícola - UFCG |
publisher.none.fl_str_mv |
Departamento de Engenharia Agrícola - UFCG |
dc.source.none.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental v.12 n.2 2008 reponame:Revista Brasileira de Engenharia Agrícola e Ambiental (Online) instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
collection |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental (Online) - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
||agriambi@agriambi.com.br |
_version_ |
1750297678297694208 |