MODELOS DE MACHINE LEARNING APLICADOS NA ESTIMAÇÃO DA EVAPOTRANSPIRAÇÃO DE REFERÊNCIA DO PLANALTO OCIDENTAL PAULISTA

Author:

Silva Maurício Bruno Prado da,Souza Valter Cesar de,Pires Cremasco Caroline,Calça Marcus Vinícius Contes,Santos Cícero Manoel dos,Cremasco Camila Pires,Gabriel Filho Luís Roberto Almeida,Rodrigues Sergio Augusto,Escobedo João Francisco

Abstract

A evapotranspiração depende da interação entre variáveis meteorológicas (radiação solar, temperatura do ar, precipitação, umidade relativa do ar e velocidade do vento) e condições fitossanitárias das culturas agrícolas. É complexo construir medidas confiáveis de evapotranspiração devido aos elevados custos para implantação de técnicas micrometeorológicas, além de dificuldades na operação e manutenção dos equipamentos necessários. O propósito desta pesquisa foi modelar a evapotranspiração de referência (ETo) por meio de técnicas de machine learning em dados climáticos de 30 estações meteorológicas automáticas do Planalto Ocidental Paulista, Estado de São Paulo, Brasil, no período de 2013-2017. Uma comparação do desempenho estatístico entre as técnicas utilizadas foi realizada onde constatou-se melhor desempenho do modelo EToMLP4 (rRMSE = 0.62%), seguido por EToANFIS4 (rRMSE = 0.75%), EToSVM4 (rRMSE = 1.19%) e EToGRNN4 (rRMSE = 11.05%). Medidas de performance da base de validação evidenciam que os modelos propostos são aptos à estimativa da evapotranspiração de referência com destaque para a técnica MPL. Palavras-chave: evapotranspiração; modelagem matemática; aprendizagem de máquina.   Machine learning models applied in the estimation of reference evapotranspiration from the Western Plateau of Paulista   ABSTRACT: Evapotranspiration depends on the interaction between meteorological variables (solar radiation, air temperature, precipitation, relative humidity and wind speed) and phytosanitary conditions of agricultural crops. It is complex to build reliable evapotranspiration measurements due to the high costs of implementing micrometeorological techniques, in addition to difficulties in the operation and maintenance of the necessary equipment. The purpose of this research was to model the reference evapotranspiration through machine learning techniques in climatic data from 30 automatic weather stations in the Planalto Ocidental Paulista, State of São Paulo, Brazil, in the period 2013-2017. A comparison of the statistical performance between the techniques used was carried out, where the best performance of the EToMLP4 model (rRMSE = 0.62%), followed by EToANFIS4 (rRMSE = 0.75%), EToSVM4 (rRMSE = 1.19%) and EToGRNN4 (rRMSE = 11.05 %). Performance measures of the validation base show that the proposed models are able to estimate the reference evapotranspiration, with emphasis on the MPL technique. Keywords: evapotranspiration; modeling; machine learning.

Publisher

Nativa

Subject

Nature and Landscape Conservation,Environmental Science (miscellaneous),Forestry,Animal Science and Zoology,Agronomy and Crop Science,Agricultural and Biological Sciences (miscellaneous)

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3