Emprego de redes neurais artificiais na previsão de precipitação pluviométrica

• Autor(a) principal: Friedrich, Thalía Lopes
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFFS (Repositório Digital da UFFS)
• Texto Completo: https://rd.uffs.edu.br/handle/prefix/4676
• topic: Inteligência artificial; Aprendizado computacional; Meteorologia; Previsão do tempo; Precipitação atmosférica

Os serviços meteorológicos possuem relevância para diversas atividades humanas que são significativamente afetadas pelas condições climáticas e meteorológicas, por exemplo, a agricultura e o turismo. Devido ao alto custo, as estações meteorológicas são implementadas, normalmente, para atender a demanda de uma ampla região, dificultando o conhecimento preciso das informações meteorológicas de pequenas localidades. O avanço tecnológico na área de aprendizado de máquina possibilita o desenvolvimento de técnicas para facilitar a previsão de chuva, especialmente em escala local, visando torná-la mais prática e acessível. Esse fato motiva diversas pesquisas a utilizar algoritmos, como as Redes Neurais Artificiais (RNA), para a previsão de precipitação pluviométrica. O objetivo deste trabalho consiste no emprego de RNA para a previsão de precipitação pluviométrica (milímetros de chuva) na região do Campus Cerro Largo da Universidade Federal da Fronteira Sul (UFFS). Foram selecionadas as variáveis temperatura do ar, umidade relativa do ar, temperatura do ponto de orvalho, pressão atmosférica, velocidade do vento, direção do vento, irradiação solar e a precipitação pluviométrica para o treinamento do algoritmo, registradas a nível de superfície pela Estação Meteorológica situada no Campus Cerro Largo da UFFS, por um período de três anos (2016-2019). As RNA utilizadas neste trabalho são classificadas como Perceptron de Múltiplas Camadas e foram treinadas pelo método de retropropagação. Foram desenvolvidos dois modelos, um de classificação (para prever a ocorrência de precipitação) e outro de regressão (para estimar o volume de chuva precipitada). O modelo de classificação foi avaliado a partir da matriz de confusão, acurácia, precisão, sensibilidade, especificidade e medida-F. Considerando estas métricas, os resultados variaram entre 94,35 % (sensibilidade) e 77,60 % (especificidade) de acertos na etapa de validação. Para avaliar o desempenho do modelo de regressão utilizou-se o coeficiente de determinação (R²), o coeficiente de correlação de Pearson (R), o erro médio absoluto (EMA) e o erro quadrático médio (EQM). Os resultados foram R² = 0,71, R = 0,84, EMA = 0,34 mm/dia e EQM = 0,22 mm²/dia, considerando os dados de validação. Com este estudo, conclui-se que a RNA é uma técnica promissora para análise de dados meteorológicos, com potencialidade para ser implementada em aplicações que demandam a previsão de precipitação pluviométrica, como em um sistema de alerta de chuvas fortes, de forma acessível e com custos reduzidos.