APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO PREENCHIMENTO DE FALHAS DE PRECIPITAÇÃO MENSAL NA REGIÃO SERRANA DO ESPÍRITO SANTO

Resumen

A qualidade dos dados meteorológicos influencia diretamente o planejamento e a gestão do manejo nas bacias hidrográficas, modelagem hidrológica, qualidade do ar, monitoramento de incêndios florestais. Assim, séries com falhas de precipitação pluvial inviabilizam a execução de muitos estudos na área agrícola. O objetivo desta pesquisa é testar a metodologia de Redes Neurais Artificiais (RNAs) para o preenchimento de falhas em séries mensais de dados de precipitação pluvial. Utilizou-se uma série de dados pluviométricos mensais de quatro estações na bacia do rio Doce, localizada na região serrana do estado do Espírito Santo. Foram admitidas a existência de três diferentes porcentagens de falhas na estação de Itarana, sendo 7, 15 e 30%, realizando sete simulações de preenchimento para cada tipo de falha. A utilização de RNAs no cálculo de preenchimento de falhas em dados mensais de pluviosidade foi eficaz com 7% de falha nos dados, apresentando valores de NSE e R² superiores a 0,8. A aplicação das mesmas redes em banco de dados com falhas de 15 e 30%, não foi satisfatório. O resultado da aplicação de RNAs em preenchimentos de falhas em dados de precipitação foi eficiente, o que contribui para estudos que necessitam de séries climáticas confiáveis.