Variáveis relacionadas ao clima podem não melhorar previsões de precipitação pluvial em escala mensal realizadas por redes neurais artificiais para a região metropolitana de Belo Horizonte, Brasil

Resumo

As redes neurais artificiais (RNAs) podem apresentar problemas devido a preditores insuficientes ou não informativos, o que é comum para previsões complexas, como as de precipitação pluvial. No entanto, alguns estudos apontam para o uso de variáveis ​​e anomalias climáticas como preditores para tornar a previsão mais precisa. Esta pesquisa teve como objetivo prever a precipitação mensal, com um mês de antecedência, em quatro municípios da região metropolitana de Belo Horizonte utilizando uma RNA treinada com diferentes variáveis ​​climáticas; além disso, buscou indicar a adequação de tais variáveis ​​como entrada para esses modelos. Os modelos foram desenvolvidos por meio do software MATLAB^® versão R2011a utilizando a toolbox NNTOOL. As RNAs foram treinadas pela arquitetura multilayer perceptron e pelo algoritmo feedforward e backpropagation usando duas combinações de dados de entrada, com duas e seis variáveis, e uma combinação de dados de entrada com as três variáveis ​​mais correlacionadas com precipitação observada de 1970 a 1999 para prever a precipitação de 2000 a 2009. A variável climática mais correlacionada com a precipitação do mês seguinte foi a temperatura média compensada. Mesmo utilizando as variáveis ​​mais correlacionadas com a precipitação como preditores (0,66 ≤ índice n_t ≤ 1,26), não houve melhora significativa na capacidade preditiva dos modelos quando comparado aos que não utilizaram variáveis climáticas como preditores (0,55 ≤ índice n_t ≤ 0,80).

Palavras-chave: ENSO, inteligência artificial, modelagem hidrológica.