English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Propor uma rede neural artificial (RNA) para estimar a evapotranspiração de referência (ETo) em função das coordenadas de posição geográfica e da temperatura do ar no Estado do Rio de Janeiro, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 17 séries históricas de elementos climáticos localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, temperatura média do ar, amplitude térmica diária e dia do ano. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou o melhor desempenho, a qual é composta de apenas uma camada intermediária (com vinte neurônios e função de ativação do tipo sigmóide logística) e uma camada de saída (com um neurônio e função de ativação linear). Pelos resultados obtidos conclui-se que, levando-se em consideração apenas as coordenadas de posição geográfica e a temperatura do ar, pode-se estimar a ETo (valores diários) em 17 localidades do Estado do Rio de Janeiro usando uma RNA. This work was performed with the aim of proposing an artificial neural network (ANN) to estimate the reference evapotranspiration (ETo) as a function of geographic position coordinates and air temperature in the State of Rio de Janeiro. Data used for the network training were collected from 17 historical time series of climatic elements located in the State of Rio de Janeiro. The daily ETo calculated by Penman-Monteith (FAO-56) method was used as a reference for network training. ANNs of multilayer perceptron type were trained to estimate ETo as a function of latitude, longitude, altitude, mean air temperature, thermal daily amplitude and day of the year. After training with different network configurations, the one showing best performance was selected, and was composed by only one intermediary layer (with twenty neurons and sigmoid logistic activation function) and one output layer (with one neuron and linear activation function). According to the results obtained it can be concluded that, considering only geographical positioning coordinates and air temperature, it is possible to estimate daily ETo in 17 places of Rio de Janeiro State by using an ANN

Estimação da evapotranspiração de referência no estado do Rio de Janeiro usando redes neurais artificiais