Previsão da evapotranspiração de referência utilizando redes neurais

Detalhes bibliográficos
Autor(a) principal: Silva, Anderson Francisco da
Data de Publicação: 2002
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://www.locus.ufv.br/handle/123456789/9459
Resumo: Este trabalho consta de uma investigação acerca da aplicabilidade das redes neurais na previsão da evapotranspiração de referência. As redes neurais como modelo de reconhecimento de padrão teriam a capacidade de entender o comportamento do clima local, podendo, a partir dos dados climáticos do passado próximo inferir sobre seu comportamento futuro. As melhores predições obtidas promoveram um erro padrão de estimativa de 0,8mm e um erro percentual relativo médio de 20% para valores da evapotranspiração. A utilização de mais 10 anos no aprendizado das redes mostrou-se irrelevante. O valor 0,01 para a taxa de aprendizagem e para o fator momentum promove u a obtenção do menor erro em um menor número de épocas. A inclusão de camadas intermediárias ou o aumento do número de seus neurônios não favoreceu melhores ajustes. O aumento do número dias de previsão diminuiu a precisão dos resultados gerando um erro médio de 1mm por dia para períodos de até 10 dias. A utilização das variáveis climáticas ao invés da evapotranspiração calculada não promoveu melhorias dos resultados. O presente inspira estudos da utilização das redes neurais neste e em outros campos da engenharia agrícola.
id UFV_d40bf6dd82223a82321eca70118d7628
oai_identifier_str oai:locus.ufv.br:123456789/9459
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Leal, Brauliro GonçalvesSediyama, Gilberto C.Silva, Anderson Francisco dahttp://lattes.cnpq.br/0748540196739733Costa, Luiz Cláudio2017-02-09T10:18:48Z2017-02-09T10:18:48Z2002-08-30SILVA, Anderson. Previsão da evapotranspiração de referência utilizando redes neurais. 2002. 53 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Viçosa, Viçosa. 2002.http://www.locus.ufv.br/handle/123456789/9459Este trabalho consta de uma investigação acerca da aplicabilidade das redes neurais na previsão da evapotranspiração de referência. As redes neurais como modelo de reconhecimento de padrão teriam a capacidade de entender o comportamento do clima local, podendo, a partir dos dados climáticos do passado próximo inferir sobre seu comportamento futuro. As melhores predições obtidas promoveram um erro padrão de estimativa de 0,8mm e um erro percentual relativo médio de 20% para valores da evapotranspiração. A utilização de mais 10 anos no aprendizado das redes mostrou-se irrelevante. O valor 0,01 para a taxa de aprendizagem e para o fator momentum promove u a obtenção do menor erro em um menor número de épocas. A inclusão de camadas intermediárias ou o aumento do número de seus neurônios não favoreceu melhores ajustes. O aumento do número dias de previsão diminuiu a precisão dos resultados gerando um erro médio de 1mm por dia para períodos de até 10 dias. A utilização das variáveis climáticas ao invés da evapotranspiração calculada não promoveu melhorias dos resultados. O presente inspira estudos da utilização das redes neurais neste e em outros campos da engenharia agrícola.This report is on an investigation about the neural networks applicability at prediction of the reference evapotranspiration. The neural networks, as standard recognition model, would have the capacity of understanding the climate behavior, being able to, starting by climate data of the near past, infer about their future behavior. The best predictions obtained promote a standard square error around 0.8mm and a perceptual error around 20% to evapotranspiration values. The use of more than 10 years in learning phase is shown unimportant. The value 0.01 to the learning rate and to momentum factor promoted the smallest error on smallest number of epochs. The inclusion of the intermediaries layers or the increase of the number of their neurons did not favor better adjusts. The increase of the prediction days decreased the accuracy of the results produces standard errors of 1mm by day to periods until 10 days. The use of climate variables in place of the calculated evapotranspirations did not promote better results. The present inspire studies of the use of the neural networks in this and others fields of the agricultural engineer.porUniversidade Federal de ViçosaSimuladorClimaPrevisãoModelagemSéries temporaisRedes neuraisCiências AgráriasPrevisão da evapotranspiração de referência utilizando redes neuraisPredition of the reference evapotranspiration utilizing neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de Engenharia AgrícolaMestre em Engenharia AgrícolaViçosa - MG2002-08-30Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf355113https://locus.ufv.br//bitstream/123456789/9459/1/texto%20completo.pdfc31fad421533181374c4842b91548a1fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/9459/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3563https://locus.ufv.br//bitstream/123456789/9459/3/texto%20completo.pdf.jpga23ac8997933541d9536929eac3ff637MD53123456789/94592017-02-09 22:00:21.202oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452017-02-10T01:00:21LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Previsão da evapotranspiração de referência utilizando redes neurais
dc.title.en.fl_str_mv Predition of the reference evapotranspiration utilizing neural networks
title Previsão da evapotranspiração de referência utilizando redes neurais
spellingShingle Previsão da evapotranspiração de referência utilizando redes neurais
Silva, Anderson Francisco da
Simulador
Clima
Previsão
Modelagem
Séries temporais
Redes neurais
Ciências Agrárias
title_short Previsão da evapotranspiração de referência utilizando redes neurais
title_full Previsão da evapotranspiração de referência utilizando redes neurais
title_fullStr Previsão da evapotranspiração de referência utilizando redes neurais
title_full_unstemmed Previsão da evapotranspiração de referência utilizando redes neurais
title_sort Previsão da evapotranspiração de referência utilizando redes neurais
author Silva, Anderson Francisco da
author_facet Silva, Anderson Francisco da
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/0748540196739733
dc.contributor.none.fl_str_mv Leal, Brauliro Gonçalves
Sediyama, Gilberto C.
dc.contributor.author.fl_str_mv Silva, Anderson Francisco da
dc.contributor.advisor1.fl_str_mv Costa, Luiz Cláudio
contributor_str_mv Costa, Luiz Cláudio
dc.subject.pt-BR.fl_str_mv Simulador
Clima
Previsão
Modelagem
Séries temporais
Redes neurais
topic Simulador
Clima
Previsão
Modelagem
Séries temporais
Redes neurais
Ciências Agrárias
dc.subject.cnpq.fl_str_mv Ciências Agrárias
description Este trabalho consta de uma investigação acerca da aplicabilidade das redes neurais na previsão da evapotranspiração de referência. As redes neurais como modelo de reconhecimento de padrão teriam a capacidade de entender o comportamento do clima local, podendo, a partir dos dados climáticos do passado próximo inferir sobre seu comportamento futuro. As melhores predições obtidas promoveram um erro padrão de estimativa de 0,8mm e um erro percentual relativo médio de 20% para valores da evapotranspiração. A utilização de mais 10 anos no aprendizado das redes mostrou-se irrelevante. O valor 0,01 para a taxa de aprendizagem e para o fator momentum promove u a obtenção do menor erro em um menor número de épocas. A inclusão de camadas intermediárias ou o aumento do número de seus neurônios não favoreceu melhores ajustes. O aumento do número dias de previsão diminuiu a precisão dos resultados gerando um erro médio de 1mm por dia para períodos de até 10 dias. A utilização das variáveis climáticas ao invés da evapotranspiração calculada não promoveu melhorias dos resultados. O presente inspira estudos da utilização das redes neurais neste e em outros campos da engenharia agrícola.
publishDate 2002
dc.date.issued.fl_str_mv 2002-08-30
dc.date.accessioned.fl_str_mv 2017-02-09T10:18:48Z
dc.date.available.fl_str_mv 2017-02-09T10:18:48Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA, Anderson. Previsão da evapotranspiração de referência utilizando redes neurais. 2002. 53 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Viçosa, Viçosa. 2002.
dc.identifier.uri.fl_str_mv http://www.locus.ufv.br/handle/123456789/9459
identifier_str_mv SILVA, Anderson. Previsão da evapotranspiração de referência utilizando redes neurais. 2002. 53 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Viçosa, Viçosa. 2002.
url http://www.locus.ufv.br/handle/123456789/9459
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/9459/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/9459/2/license.txt
https://locus.ufv.br//bitstream/123456789/9459/3/texto%20completo.pdf.jpg
bitstream.checksum.fl_str_mv c31fad421533181374c4842b91548a1f
8a4605be74aa9ea9d79846c1fba20a33
a23ac8997933541d9536929eac3ff637
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212971250089984