Artigo completo - Open Access.

Idioma principal | Segundo idioma

COMPARISON OF SHORT-TERM TEMPERATURE FORECASTING BETWEEN ARTIFICIAL NEURAL NETWORK AND MACHINE LEARNING.

COMPARAÇÃO DA PREVISÃO DA TEMPERATURA A CURTO PRAZO ENTRE REDE NEURAL ARTIFICIAL E APRENDIZADO DE MÁQUINA.

Conterato, Flavio Santos ; Moraes, Caique Augusto Cardoso de ; Pabst, Grhamm ; Caldas, João Felipe de Araújo; Souza, Matheus Carvalho Nascimento de ; Moreira, Davidson Martins ; Nascimento, Erick Giovani Sperandio ;

Artigo completo:

The objective of this work was to evaluate an optimized ANN (Artificial Neural Network) model compared to the most famous basic regression models within Machine Learning, using a set of observational data collected in an anemometric tower located in the city of Mucuri, Bahia, in northeastern Brazil, within one month. To obtain results for comparison of the models, the proposed activity was to forecast the temperature in 1 hour ahead, as a contribution to the city’s agricultural sector. Among all the analyzed models, the one that proved most efficient was the ANN with 4 layers (7 nodes in the input layer, 18 and 9 respectively in the 2 hidden layers, and 1 in the output layer), based on R (0.872).

Artigo completo:

: O objetivo deste trabalho foi avaliar um modelo de RNA (Rede Neural Artificial) otimizado em comparação com os mais famosos modelos básicos de regressão para Machine Learning, utilizando um conjunto de dados observacionais coletados em uma torre anemométrica localizada na cidade de Mucuri, Bahia, no nordeste do Brasil, em um mês. Para obter resultados para comparação dos modelos, a atividade proposta foi prever a temperatura em 1 hora, como contribuição para o setor agrícola da cidade. Dentre os modelos analisados, o que se mostrou mais eficiente foi a RNA com 4 camadas (7 nós na camada de entrada, 18 e 9 respectivamente nas duas camadas ocultas e 1 na camada de saída), com base na melhor métrica, Coeficiente de Pearson R (0.872)

Palavras-chave: Computational Intelligence; Artificial Neural Networks; Temperature; Temperature Forecast; Machine Learning.,

Palavras-chave: Inteligência Computacional; Redes Neurais Artificiais; Temperatura; Previsão de Temperatura; Aprendizado de Máquina,

DOI: 10.5151/siintec2020-COMPARISONOFSHORT-TERM

Referências bibliográficas
  • [1] ¹ SOUTO, Ana Lucia. Importância da previsão do tempo. Available in: https://pt.khanacademy.org/science/8-ano/clima-fenomenos-meteorologicos-previsao-tempo/fenomenos-meteorologicos-previsao-do-tempo/a/importancia-da-previsao-do-tempo. Access in: 22 jul. 2020.² Kim, Taehwan & Adali, Tülay. (2001). Approximation by fully complex MLP using elementary transcendental activation functions. Neural Networks for Signal Processing - Proceedings of the IEEE Workshop. 203 - 212. 10.1109/NNSP.200943125. Available in: https://www.researchgate.net/publication/3910413_Approximation_by_fully_complex_MLP_using_elementary_transcendental_activation_functions/citation/download. Access in: 19 de jul. 2020. ³ Com 41 mil habitantes, cidade no sul da Bahia lidera exportações na região e tem 70% da economia movida pela indústria. Available in: https://gglobo.com/ba/bahia/avanca/noticia/2019/05/18/com-41-mil-habitantes-cidade-no-sul-da-bahia-lidera-exportacoes-na-regiao-e-tem-70percent-da-economia-movida-pela-industria.ghtml. Access in: 22 jul. 2020.⁴ IBGE, Instituto Brasileiro de Geografia e Estatística. Mucuri. Available in: https://www.ibge.gov.br/cidades-e-estados/ba/mucuri.html. Access in: 18 jul 2020. ⁵ BABOO, Dr. S. Santhosh et al. An Efficient Weather Forecasting System using Artificial Neural Network, International Journal of Environmental Science and Development, p. 1-6, 4 nov. 2010. Available in: http://www.ijesd.org/papers/63-D472.pdf. Access in: 20 jul. 2020.⁶ Zucatelli, Pedro et al. (2018). PREVISÃO DA VELOCIDADE DO VENTO A CURTO PRAZO USANDO REDES NEURAIS ARTIFICIAIS EM MUCURI, BAHIA. 10.26678/ABCM.CONEM2018.CON18-0393. Available in: https://www.researchgate.net/publication/326045477_PREVISAO_DA_VELOCIDADE_DO_VENTO_A_CURTO_PRAZO_USANDO_REDES_NEURAIS_ARTIFICIAIS_EM_MUCURI_BAHIA. Access in: 18 de jul. 2020.⁷ FELIX, Ricardo. Fundos de Pensão Públicos X Fundos de Pensão Privado: Qual será o perfil do investimento?. Available in: https://www.maxwell.vrac.puc-rio.br/16513/16513_5.PDF. Access in: 23 jul. 2020.8 ZUCATELLI, P.J. et al. Short-term wind speed forecasting in Uruguay using computational intelligence, Colonia Eulacio, Soriano Department, Uruguay, v. 5, p. 1-11, may 2019. DOI https://doi.org/10.1016/j.heliyon.2019.e01664. Available in: https://reader.elsevier.com/reader/sd/pii/S2405844018368087?token=E2A6CFCAC3977E342F98D8B8C7E52B0C81BE7C5FF8BE699258CF5E9DA724CEE60BA3EB346BFDBDCEE018D65A7A52A338. Access in: 9 aug. 2020.
Como citar:

Conterato, Flavio Santos ; Moraes, Caique Augusto Cardoso de ; Pabst, Grhamm ; Caldas, João Felipe de Araújo; Souza, Matheus Carvalho Nascimento de ; Moreira, Davidson Martins ; Nascimento, Erick Giovani Sperandio ; "COMPARISON OF SHORT-TERM TEMPERATURE FORECASTING BETWEEN ARTIFICIAL NEURAL NETWORK AND MACHINE LEARNING.", p. 535-542 . In: Anais do VI Simpósio Internacional de Inovação e Tecnologia. São Paulo: Blucher, 2020.
ISSN 2357-7592, ISBN: 2357-7592
DOI 10.5151/siintec2020-COMPARISONOFSHORT-TERM

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações