MÉTODO SIMPLIFICADO PARA PREVISÃO DE CHUVA APLICADO NO AGRONEGÓCIO

Abstract

A previsão do tempo é fator importante para o planejamento e tomadas de decisões nos mais diversos tipos de negócio. No agronogócio é ainda mais relevante, pois, tais informações afetam decisões relacionadas a irrigação, plantio, transporte, produção de proteína animal, etc. Neste contexto, o presente trabalho buscou prever a precipitação de chuva do dia seguinte (amanhã) utilizando dados meteorológicos dos últimos 7 dias. Para cumprir tal objetivo foi avaliado diversos algoritmos de Redes Neurais Artificiais (RNA) e Fuzzy para série temporal aplicando-os para predição de chuva. Dos vários algoritmos avaliados o Levengerg-Marguardt e Bayesian Regularization apresentaram menores desvios  médios entre os valores observados e preditos. Com Neuro-Fuzzy, 42 dados de entrada, 10 neurônios, algoritmo de treinamento Bayesian Regularization e modelo N com os dados randômicos, obteve-se uma média geral de acerto de 95.37% dos dados de precipitação de chuva, mostrando-se promissor para aplicação no agronegócio para auxílio na tomada de decisões e gerenciamento.