Redes neurais aplicadas à previsão de manchas solares

• Autor(a) principal: Almeida, Marco Antônio Ribeiro de
• Data de Publicação: 2001
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRJ
• Texto Completo: http://hdl.handle.net/11422/18964
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA; Séries temporais; Redes neurais artificiais; Manchas solares; Time series; Artificial neural networks; Sunspots

Este projeto final de curso faz um estudo introdutório sobre Redes Neurais Artificiais (RNA) como uma ferramenta de previsão de séries temporais aplicada a Astronomia, onde se analisa o estudo da série temporal Números de Manchas Solares. O trabalho é dividido em seis capítulos principais: o capítulo um introduz e dá uma ideia geral do trabalho, o capítulo dois analisa conceitualmente as redes neurais, o capítulo três analisa os fundamentos básicos sobre séries temporais, o capítulo quatro estuda a atividade solar, e os dois capítulos seguintes, cinco e seis, desenvolvem os procedimentos práticos estatísticos e sobre redes neurais artificiais. No estudo sobre RNA analisa-se as partes mais importantes, tais como: função de ativação, arquitetura, treinamento, etc. Para o treinamento das redes optou-se pelo modelo de retropropagação do erro, pois demonstrou resultados satisfatórios. Para o estudo de séries temporais faz-se um levantamento preliminar sobre a suas componentes principais, os modelos de previsão e alguns conceitos básicos. Em relação a atividade solar estuda-se as características básicas do Sol e Manchas Solares. Para os procedimentos práticos estatísticos e sobre redes neurais artificiais estuda-se passo a passo todas as etapas estatísticas e retira-se todas as informações lineares da série para deixar a série residual adequada para o treinamento da rede. Para os procedimentos práticos sobre RNA analisa-se os grupos de treinamento, validação e teste, a função erro — RMS (Root Mean Square) e MSE (Mean Square Error) e determina - se o número ótimo de neurônios na camada intermediária. Para a avaliação de desempenho da rede foram utilizados os métodos do cálculo da potência e do erro RMS.