Aplicação de redes neurais mlp na predição da evapotranspiração de referência / Application of mlp neural networks in the prediction of reference evapotranspiration

Daiana da Silva Santos, Robson Mariano da Silva

Abstract


Tendo em vista que a evapotranspiração é o principal componente do balanço hídrico em sistemas agrícolas e a variável mais ativa do ciclo hídrológico, este estudo objetivou a aplicação de redes neurais de Perceptrons de Múltiplas Camadas, para estimar os valores diários da evapotranspiração de referênca  e posteriormente comparados com os valores da evapotranspiração de referência estimados pelo método de Penman-Monteith, para o município de Teresóplois/RJ. Para tal utilizou-se dados meteorológicos coletados da estação meteorológica do CPETC/INPE entre 2010 e 2015. O desempenho do modelo foi avaliado através do erro médio absoluto (MAE), erro médio quadrático (MSE), erro médio percentual absoluto (MAPE), raiz do erro médio quadrático (RMSE) e índice de concordância (D). Os resultados mostram que o modelo proposto apresentou ótimo desempenho na reprodução dos valores da evapotranspiração de referência, apresentando uma precisão de 97.42% quando comparado com os valores obtidos pelo método de Penman-Monteih.

 

 


Keywords


Redes Neurais, Evapotranspiração, Predição, Penman-Monteith.

References


Abbas, S. A.; Hassan, a. A.; Al-rekabi, w. Estimation of MeanReference Evapotranspiration in Basrah City, Soutth of Iraq Using Fuzzy Logic. In: Journal of Babylon Univesity/Engineering Sciences/ No. [s.1.]:[s:n], 2017.

Allen, R. G.; Pereira, L. S.; Raes, D.; Smith, M. Crop evapotranspiration: Guidelines for computing crop water requirements. Rome: FAO, 1998. 300 p. (FAO – Irrigation and Drainage Paper, 56).

Alves, W. B.; rolim, G. D. S.; Aparecido, l. E. D. O. Reference evapotranspiration forecasting by artificial neural

networks. Engenharia Agricola, [s.l.], 2017. ISSN: 18084389, DOI: 10.1590/1809-4430- eng.agric.v37 n.6, p. 1116-1125.

Back, A. J. Variação da evapotranspiração de referência calculada em diferentes intervalos de tempo. Engenharia Agrícola, v.27, p.139-145, 2007.

Braga, A.P.; Carvalho, A.P.L.F; Ludermir, T.B. Redes Neurais Artificiais: Teoria e Aplicações. {s.1]:[s.n], 2000. p.262, Ed. LTC, ISBN: 8521612184.

Celeste, A.; Chaves, V. S. Avaliação de algoritmos de otimização e funções objetivo para calibração automática

do modelo chuva-vazão tank model. Ciência e Natura, [s.l.], v. 36, no 3, 2014. ISSN: 2179-460X, DOI:

5902/2179460X13421.

Dong, B.;Dai, A. The uncertainties and causes of the recent changes in global evapotranspiration from 1982 to

Climate Dynamics, [s.l.], v. 49, no 1–2, p. 279–296, 2017. ISSN: 0930-7575, DOI: 10.1007/s00382-016-

-x.

Fonseca, J. S.; Martins, G. A.; Toledo, G. L. Estatística Aplicada . Ed. 2, p. 267, 2012.

Haykin, S. Redes Neurais - Principios e Praticas. [s.l.]: [s.n.], 2001. 898 p. ISBN: 8573077182.

Mamak, M., Ünes, F., Kaya, Y.Z., Demirci, M.. Evapotranspiration Prediction Using Adaptive Neuro-Fuzzy Inference System and Penman FAO 56 Equation for St. Johns, FL, USA. In: Proccedings of 10th International Conference “Environmental Engineering”. [s.l.]: VGTU Technika, 2017. Disponível em:

. ISBN: 978-609-476-044-0, DOI:

3846/enviro.2017.085.

Parasuraman, K.; Elshorbagy, A.; Carey, S. K. Modelling the dynamics of the evapotranspiration process using

genetic programming. Hydrological Sciences Journal, [s.l.], v. 52, no 3, p. 563–578, 2007. ISSN: 0262-6667,

DOI: 10.1623/hysj.52.3.563.

Raziei, T.; Pereira, L. S. Estimation of ETo with Hargreaves–Samani and FAO-PM temperature methods for a

wide range of climates in Iran. Agricultural Water Management, [s.l.], v. 121 p. 1–18, 2013. ISSN: 03783774,

DOI: 10.1016/j.agwat.2012.12.019.

Trajkovic, S.; kolakovic, S. Evaluation of Reference Evapotranspiration Equations Under Humid Conditions. Water Resources Management, [s.l.], v. 23, no 14, p. 3057–3067, 2009. ISSN: 0920-4741, DOI: 10.1007/s11269-009-9423-4.

Yao Y.; Liang S., Li X.; Chen J.; Liu S.; Zhang X.; Xiao Z.; Fisher J.B.; Mu Q.; Pan M.; Liu M.; Cheng J.; Jiang B.; Xie X.; Grünwald T.; Bernhofer C.; Roupsard O. 2017. Agricultural and Forest Meteorology, 242 : p. 55-74. DOI: 0.1016/j.agrformet.2017.04.011.




DOI: https://doi.org/10.34117/bjdv6n5-110

Refbacks

  • There are currently no refbacks.