@PHDTHESIS{ 2024:1990491201,
 	title = {Desenvolvimento e validação de modelos de redes neurais para estimativa de evapotranspiração de referência no Paraná},
 	year = {2024},
 	url = "https://tede.unioeste.br/handle/tede/7240",
 	abstract = "Esta tese abordou a estimativa da evapotranspiração de referência (ETo) no contexto agrícola, com foco no manejo eficiente da irrigação. O objetivo central foi desenvolver e validar
 modelos baseados em Redes Neurais Artificiais (RNAs) do tipo MLP (Multilayer Perceptron),
 para a previsão da ETo no estado do Paraná, utilizando dados do Instituto Nacional de Meteorologia (INMET) e de um produtor na região oeste. A pesquisa iniciou-se com uma revisão
 sobre o manejo e o método de Penman-Monteith para estimativa de ETo e o uso de RNAs,
 destacando desafios e abordagens relevantes. A metodologia envolveu a coleta e organização
 de dados meteorológicos do INMET, fundamentais para o treinamento dos modelos, o desenvolvimento e treinamento de RNAs, utilizando dois otimizadores (SGD e Adam), explorando
 variáveis meteorológicas como entrada para prever a ETo, além da validação dos modelos via
 dados do produtor. A análise considerou métricas estatísticas, incluindo Erro Médio Absoluto
 (MAE), Erro Quadrático Médio (MSE), Raiz do Erro Quadrático Médio (RMSE) e Coeficiente
 de Determinação (R2). Os resultados revelaram que as configurações RNA9 (com 8 variáveis de entrada) e RNA10 (com 4 variáveis de entrada) apresentaram desempenho promissor
 na estimativa da ETo. A validação com dados de um produtor destacou a relevância prática
 dos modelos. As métricas MAE, MSE, RMSE e R2 indicaram eficácia, enquanto o Teste de
 Kolmogorov-Smirnov contribuiu para avaliar a aderência das previsões ao comportamento estatístico dos dados reais. Os resultados das métricas mostraram que a melhor configuração
 foi a RNA9, com um erro médio absoluto de apenas 0,01 mm/dia com os dois otimizadores e a
 configuração com menos variáveis foi a RNA10, com um erro médio absoluto de apenas 0,03
 mm/dia, também com os dois otimizadores. Com R2 variando entre 0,99 e 1, é possível afirmar
 que os modelos se adequaram aos dados do estado do Paraná, mesmo quando confrontados
 com os dados do produtor, que não foram utilizados no treinamento. Sugestões para pesquisas futuras incluem o desenvolvimento de um sistema integrado de coleta automatizada de
 dados meteorológicos do INMET e a implementação de um aplicativo para manejo da irrigação
 baseado nos modelos mais eficientes. Ao fim deste trabalho, foi possível desenvolver e validar
 os modelos de RNAs para previsão simplificada e precisa da ETo na agricultura, promovendo
 uma abordagem acessível para otimizar a gestão da irrigação no estado do Paraná.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}