PREENCHIMENTO DE FALHAS EM DADOS DE PRECIPITAÇÃO ATRAVÉS DE MÉTODOS TRACIONAIS E POR INTELIGÊNCIA ARTIFICIAL

Abstract

A falta de informações quanto à distribuição de dados pluviométricos torna-se uma limitação frequente para se modelar e compreender regime pluviométrico e a variabilidade espaço temporal da precipitação. Desta forma, dentre os diversos métodos e validações existentes na literatura o objetivo foi realizar a comparação entre métodos tradicionais e redes neurais artificiais para o preenchimento de falha em dados de precipitação no município de São Carlos entre 1979 a 1989. Foram utilizados dados de precipitação de 9 estações de monitoramento e empregado quatro técnicas de preenchimento de falhas, sendo: método razão normal, ponderação distância inversa, regressão múltipla e redes neurais. Para validação e avaliação do desempenho dos métodos foi aplicado o coeficiente de determinação (R²), erro absoluto médio (MAE), erro quadrático médio (RMSE), coeficiente de Nash-Sutcliffe (Nash), índice de concordância (D), do índice de confiança (C) e técnicas não paramétricas através do teste de Mann-Witney e Kruskal-Wallis. Todos os métodos apresentaram ótimos desempenhos, exceto na estação A7. Os métodos que se sobressaíram foram de regressão múltipla e redes neurais e esses resultados poderão ser utilizadas como suporte para estudos mais detalhados das possíveis alterações do clima e as suas eventuais implicações para os setores econômico, social e ambiental.