PREVISÃO PLUVIOMÉTRICA POR MEIO DA APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS RECORRENTES ALIMENTADAS COM DADOS METEOROLÓGICOS EM TEMPO ATUAL

Resumo

Diante dos avanços consideráveis das LSTMs, há a possibilidade de utilizar as redes neurais artificiais nos processos hidrológicos não lineares, visto que informações precisas de eventos futuros de precipitação, em particular as de curto prazo, vem se tornando viável para evitar perdas de vida e financeiras. Em vista disso o presente estudo tem como principal objetivo implementar e validar uma rede neural artificial recorrente de arquitetura LSTM para previsão pluviométrica de curto prazo com a utilização de dados em tempo atual de uma estação meteorológica da cidade de Okinawa, localizada no  Japão. A implementação da rede se deu em linguagem Python, por intermédio das bibliotecas de deep learning, em especial Keras e TensorFlow, a partir de uma série de dados longa, que captura as variações sazonais do local, do período de 01/05/2010 à 01/04/2020. O desempenho da LSTM, com accuracy igual a 67%, precision 67% e recall 90%, mostrou-se significativo, visto que a rede previu satisfatoriamente verdadeiros positivos, portanto os resultados foram similares aos observados em estudos anteriores. Desta forma os resultados indicam que a rede foi capaz de aprender os padrões de uma série temporal com base de dados de uma estação meteorológica.