Previsão da evapotranspiração de referência usando inferência neuro-fuzzy
| dc.contributor.advisor | Gabriel Filho, Luís Roberto Almeida [UNESP] | |
| dc.contributor.advisor | Dal Pai, Alexandre | |
| dc.contributor.author | Costa, Luana Possari Maziero | |
| dc.contributor.institution | Universidade Estadual Paulista (Unesp) | |
| dc.date.accessioned | 2022-02-09T11:39:55Z | |
| dc.date.available | 2022-02-09T11:39:55Z | |
| dc.date.issued | 2021-12-16 | |
| dc.description.abstract | A evapotranspiração de referência é uma variável fundamental para o planejamento de sistemas de irrigação mais eficientes, uma vez que associada ao coeficiente da cultura permite estimar a necessidade hídrica da planta. Desta maneira, o objetivo do presente trabalho é estabelecer modelos de previsão de séries temporais da evapotranspiração de referência (Penman-Monteith/FAO 56) utilizando modelo neuro-fuzzy (ANFIS - Adaptive Neuro-Fuzzy Inference System), uma vez que este método apresenta resultados superiores quando comparados com outros métodos estocásticos na previsão de valores de uma série temporal. Para isso foi realizado a imputação de dados faltantes utilizando o método Correspondência Média Preditiva Ponderada (midastouch) das variáveis radiação solar global, velocidade do vento, temperatura do ar, temperatura máxima, temperatura mínima, umidade relativa do ar, umidade relativa do ar máxima e umidade relativa do ar mínima. A partir das séries históricas completas foram elaborados modelos de previsão de séries temporais que relacionam n valores de ET_o em tempos consecutivos e imediatamente anteriores ao tempo da observação a ser prevista. Os modelos neuro-fuzzy (ANFIS) elaborados utilizam o método de inferência Takagi-Sugeno, onde os dados são ordenados de acordo com a data de coleta, do mais antigo para o mais recente e os primeiros 85% dos dados sendo selecionados para treinamento e os demais 15% para validação. A partir da comparação dos modelos neuro-fuzzy elaborados, é possível verificar maior viabilidade na utilização de modelos gerais, que consideraram três anos de dados para o treinamento da rede, uma vez que apresentam erro percentual absoluto de 0,25% para Botucatu – SP e 0,26% para Tupã – SP. Portanto, a previsão da evapotranspiração de referência utilizando os modelos elaborados oferece estimativas confiáveis dos valores, que quando associados ao coeficiente da cultura, permitem gestão e planejamento de sistemas de irrigação de maneira eficiente e sustentável. | pt |
| dc.description.abstract | The reference evapotranspiration is a fundamental variable for the planning of more efficient irrigation systems, once associated with the crop coefficient, it allows the estimation of the plant's water requirement. Thus, the objective of the present work is to establish time series prediction models of reference evapotranspiration (Penman-Monteith/FAO 56) using the neuro-fuzzy model (ANFIS - Adaptive Neuro-Fuzzy Inference System), since this method presents superior results when compared with other stochastic methods in predicting values of a time series. For this, missing data was imputed using the Weighted Average Predictive Correspondence (midastouch) method of the variables global solar radiation, wind speed, air temperature, maximum temperature, minimum temperature, relative air humidity, maximum relative humidity and minimum relative humidity. From the complete historical series, time series prediction models were developed that relate n values of ET_o in consecutive times and immediately prior to the time of the observation to be forecast. The neuro-fuzzy models (ANFIS) elaborated use the Takagi-Sugeno inference method, where the data are sorted according to the collection date, from the oldest to the most recent and the first 85% of the data being selected for training and the remaining 15% for validation. From the comparison of the neuro-fuzzy models elaborated, it is possible to verify greater viability in the use of general models, which considered three years of data for the training of the network, since they present an absolute percentage error of 0.25% for Botucatu - SP and 0.26% for Tupã – SP. Therefore, the reference evapotranspiration forecast using the models developed offers reliable estimates of the values, which when associated with the crop coefficient, allow the management and planning of irrigation systems in an efficient and sustainable way. | en |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | |
| dc.identifier.capes | 33004064038P7 | |
| dc.identifier.uri | http://hdl.handle.net/11449/216436 | |
| dc.language.iso | por | |
| dc.publisher | Universidade Estadual Paulista (Unesp) | |
| dc.rights.accessRights | Acesso restrito | |
| dc.subject | Série histórica | pt |
| dc.subject | Penman-Monteith | pt |
| dc.subject | Irrigação | pt |
| dc.subject | ANFIS | pt |
| dc.subject | Dados ausentes | pt |
| dc.subject | Historical series | en |
| dc.subject | Irrigation | pt |
| dc.subject | Missing data | pt |
| dc.title | Previsão da evapotranspiração de referência usando inferência neuro-fuzzy | pt |
| dc.title.alternative | Reference evapotranspiration prediction using neuro-fuzzy inference | en |
| dc.type | Tese de doutorado | |
| unesp.campus | Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agronômicas, Botucatu | pt |
| unesp.embargo | 24 meses após a data da defesa | pt |
| unesp.examinationboard.type | Banca pública | pt |
| unesp.graduateProgram | Agronomia (Irrigação e Drenagem) - FCA | pt |
| unesp.knowledgeArea | Irrigação e drenagem | pt |
| unesp.researchArea | Monitoramento de parâmetros agrometeorológicos | pt |
Arquivos
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.97 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: