Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/14335
Tipo do documento: Dissertação
Title: Aplicação de técnicas de inteligência computacional no preenchimento de falhas de séries temporais climatológicas
Other Titles: Application of computational intelligence techniques in gap filling of climatological time series
Authors: Coutinho, Eluã Ramos
Orientador(a): Delgado, Angel Ramon Sanchez
Primeiro coorientador: Silva, Robson Mariano da
Primeiro membro da banca: França, Felipe Maia Galvão
Segundo membro da banca: Santos, Ednaldo Oliveira dos
Keywords: Clima;Redes Neurais Artificiais (RNAs);Algoritmos Genéticos (AGs;Climate;Artificial Neural Networks (ANN);Genetic Algorithms (GAs)
Área(s) do CNPq: Matemática
Idioma: por
Issue Date: 11-Apr-2014
Publisher: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Ciências Exatas
Programa: Programa de Pós-Graduação em Modelagem Matemática e Computacional
Citation: COUTINHO, Eluã Ramos. Aplicação de técnicas de inteligência computacional no preenchimento de falhas de séries temporais climatológicas. 2014. 134 f. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica-RJ, 2014.
Abstract: 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.
Abstract: The climate information have extreme importance for the society and public and private institutions. Generally, the actual data associated with climatological phenomena are obtained using sensors that are subject to failures. Thus, invalid data are generated and may negatively influence the analysis. The present study aims the application of computational intelligence techniques in the development of a hybrid model composed of Artificial Neural Networks (ANN) and Genetic Algorithms (GAs), to fill the gaps of monthly variables, as evaporation, maximum temperature and relative humidity from six regions of the state of Rio de Janeiro - Brazil. The results were compared with the Average data of the regions, Multiple Linear Regression, ANNs Multilayer Perceptron (MLP) and Radial Basis Function (RBF). The performance of the proposed model was evaluated using the correlation coefficient between the estimated data and actual data, mean absolute error, root mean square error, average percentage error, concordance index and confidence index. The evaluation results showed that, in most cases, the proposed model were more accurate than the other models indices, reaching correlation value equal to 0.99, and average percentage errors between 10% and 1%. Regarding the performance of the actual filling of data gaps, the proposed model had a mean value of 100% for the filling of evaporation data, 89.2% for maximum air temperature and 75.3% for relative humidity. Therefore, it can be concluded that the model is an alternative to filling the gaps in meteorological data
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/14335
Appears in Collections:Mestrado em Modelagem Matemática e Computacional

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2014 - Eluã Ramos Coutinho.pdfEluã Ramos Coutinho3.46 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.