VARIÁVEIS EXPLICATIVAS NA ESTIMATIVA DA TEMPERATURA MÍNIMA DO AR

Resumo

Existem diversos fatores geográficos e climáticos que afetam variabilidade da temperatura mínima do ar (Tmin), sendo importante identificar aqueles que possibilitam melhor precisão das estimativas. O objetivo deste trabalho foi o de utilizar o Deep Learning para selecionar as variáveis explicativas que proporcionam melhores estimativas da Tmin mensal, para a região Centro-Oeste do Brasil. Foram utilizados dados de estações meteorológicas localizadas na região Centro-Oeste do Brasil. As variáveis utilizadas para as estimativas da Tmin, foram: altitude (Alt), latitude (Lat), longitude (Long), umidade relativa do ar (UR) e velocidade do vento (VV). Foram estudadas cinco combinações de cenários (C1 a C5) dos parâmetros explicativos.  As Redes Neurais Artificiais (RNAs) foram desenvolvidas, para cada mês do ano e para cada cenário, totalizando 60 RNAs. Para avaliar a precisão das estimativas foi utilizado o coeficiente de correlação de Pearson (r). Somente no C5 para os meses de maio (28%) e setembro (38%) é que foram obtidos (r) classificados como fracos (r < 0,4). Exceto nestas circunstâncias (C5 em maio e setembro), as diferentes combinações de variáveis de entrada e a aplicação de Deep Learning foram capazes de estimar a Tmin mensal, para a região Centro-Oeste do Brasil com precisão satisfatória.