Preenchimento de falhas em dados meteorológicos com uso de inteligência artificial

Abstract

Os dados meteorológicos são muito importantes pois servem de base para a tomadas de decisões em vários setores da sociedade. As séries históricas estão sujeitas a falhas de preenchimento devido a diversos fatores e, por isso, se faz necessário o preenchimento dessas lacunas O objetivo deste trabalho é efetuar o preenchimento de falhas em dados meteorológicos para a região do planalto serrano catarinense por meio de algoritmos de inteligência artificial. Dados de estações meteorológicas foram obtidos junto ao Instituto Nacional de Meteorologia (INMET). Três estações meteorológicas vizinhas foram utilizadas para preenchimento das falhas na estação base, desde que atendam a alguns critérios: estejam num raio máximo de 150 quilômetros de distância; cubram um período de no mínimo 10 anos de coleta de dados e esteja em local com semelhanças geográficas quando comparadas com a estação base. Os algoritmos de inteligência artificial estudados no preenchimento de falhas foram o Random Forest e o K-nearest Neighbors. Também foi ajustado o modelo de Regressão Linear Múltipla. A qualidade do ajuste foi calculada pela raiz do erro médio quadrático (REMQ). A utilização do script em R permitiu facilidade e rapidez na organização dos dados meteorológicos das estações. Todos os modelos estudados foram capazes de fazer boas previsões da variável ET0. O modelo K-nearest neighbors foi aquele que apresentou as melhores estimativas.