Publisher's Synopsis
A previsão da precipitação continua a ser uma questão extremamente importante em hidrologia. Por outro lado, a precipitação é um dos processos hidrológicos mais complicados e eficazes na previsão do escoamento superficial. No presente estudo, procurou-se desenvolver modelos de redes neuronais artificiais (RNA) e de sistemas de inferência neuro-fuzzy adaptativos (ANFIS) para a previsão da precipitação diária durante o período de monção em Junagadh, Gujarat, Índia. Os dados do período (1 de junho a 30 de outubro) dos anos 1979-1981, 1984-1989 e 1991-2007 foram utilizados para treinar os modelos e os dados dos anos 2008-2011 foram utilizados para testar os modelos. A análise de sensibilidade foi utilizada para identificar o parâmetro mais importante para a previsão da precipitação. No modelo ANN, o algoritmo de retropropagação e a função de ativação sigmoide foram utilizados para treinar e testar os modelos, ao passo que nos modelos ANFIS, foram utilizadas as funções de afiliação gaussiana e de sino generalizada. O estudo revelou que o desempenho do modelo ANN de camada oculta dupla com quatro parâmetros de entrada é melhor do que o modelo ANFIS. A análise de sensibilidade indicou que o parâmetro de entrada mais importante, para além da própria precipitação, é a pressão de vapor na previsão da precipitação.
