Aplicação de Redes Neurais Artificiais RBF para previsão de precipitação e temperatura no Paraná, Brasil

Precipitation and temperature have an impact on various sectors of society, such as agriculture, power generation, water availability, so it is essential to develop accurate monthly forecasts. The objective of this study is to develop an artificial neural network (ANN) model for monthly temperature and precipitation forecasts for the state of Paraná, Brazil. An important step in the ANN model is the selection of input variables, for which the forward stepwise regression method was used. After identifying the predictor variables for the forecasting model, the Radial Basis Function (RBF) ANN was developed with 50 neurons in the hidden layer and one neuron in the output layer. For the precipitation forecasting models, better performances were obtained for forecasting the data smoothed by the three-month moving average, since noisy data, such as monthly precipitation, are more difficult to be simulated by the neural network. For the temperature forecasts, the ANN model performed well both in the monthly temperature forecast and in the 3-month moving average forecast. This study showed the suitability of forecasting precipitation and temperature with the use of RBF ANNs, especially in the forecast of the monthly temperature.Precipitação e temperatura têm impacto em vários setores da sociedade, como agricultura, geração de energia, disponibilidade hídrica, por isso é essencial o desenvolvimento de previsões mensais acuradas. O objetivo deste estudo é desenvolver um modelo de Rede Neural Artificial (RNA) para previsões mensais de precipitação e temperatura para o estado do Paraná, Brasil. Uma etapa importante no desenvolvimento de um modelo de RNA é a seleção das variáveis de entrada, no qual foi utilizado o método de regressão stepwise forward. Após identificar as variáveis preditoras para o modelo de previsão, foi desenvolvida a RNA Radial Basis Function (RBF) com 50 neurônios na camada oculta e um neurônio na camada de saída. Para os modelos de precipitação, obtiveram-se melhores desempenhos na previsão de dados suavizados pela média móvel de três meses, uma vez que dados ruidosos, como precipitação mensal, são mais difíceis de serem simulados pela rede neural. Para as previsões de temperatura, o modelo de RNA teve bom desempenho tanto na previsão de temperatura mensal quanto na previsão de média móvel de três meses. Este estudo mostrou a adequação da previsão de precipitação e temperatura com o uso de RNAs RBF, especialmente na previsão da temperatura mensal