Resumo O objetivo deste trabalho é melhorar a previsão da velocidade do vento usando o modelo atmosférico de mesoescala Weather Research and Forecasting (WRF) e Rede Neural Artificial (RNA) não linear auto regressiva com entrada externa (NARX), sem entrada externa (NAR). A acurácia dos prognósticos foi aferida com dados observados (OBS) mensurados a cada 10 min, em uma torre anemométrica de 50 m de altura, localizada em Craíbas região Agreste de Alagoas. A estatística univariada indicou que os prognósticos representaram bem a evolução temporal do vento no período estudado (abril de 2015). As velocidades médias, máximas e mínimas de OBS foram de 5,26 m.s−1, 12,29 m.s−1 e 0,01 m.s−1, nesta mesma sequência, os prognósticos variaram entre (5,18 m.s−1 a 5,41 m.s−1), (11,58 m.s−1 a 13,92 m.s−1) e (0,01 m.s−1 a 0,36 m.s−1). Na análise bivariada as métricas estatísticas utilizadas para averiguar a acurácia das previsões resultaram no seguinte: Desvio médio (-0,31 a 0,04 m.s−1); Raiz do desvio quadrático médio (1,14 a 1,27 m.s−1); Desvio percentual absoluto médio (22 a 23%); E coeficiente de correlação (0,63 a 0,72). Esses resultados, apesar de considerar um período curto de dados, indicam o potencial de aplicação da RNA e WRF na previsão da velocidade do vento.

O objetivo deste estudo é o de analisar a previsão de focos de calor (FC) na Região Metropolitana de Maceió (RMM) utilizando Rede Neural Artificial (RNA). Foram usados neste estudo os dados de focos de calor no período de 1999 a 2019, disponíveis no Banco de Dados de Queimadas (BDQueimadas). A previsão foi feita com base na RNA não linear autorregressiva (NAR) com os FC sendo dados de entrada e alvo. As previsões se basearam na função de ativação Tangente Hiperbólica e Sigmoide, para averiguar qual função se adaptaria melhor ao modelo de previsão de FC na RMM. O desempenho do modelo foi verificado pelo diagrama de espalhamento (1:1), com destaque para Regressão Linear Simples (RLS), os coeficientes de determinação (R2) e de Pearson (r), seguido dos indicadores de erros (EM - Erro Médio, REQM – Raiz do Erro Quadrático Médio, EPAM – Erro Percentual Absoluto Médio). O EM variou entre -0,47 a 1,49 focos, o REQM (1,16 a 7,02 focos) e o EPAM (14,45 a 24,66%). Os coeficientes r (0,08 a 0,52) e R2 (1 a 58%). Os modelos com base nas funções de ativação foram similares entre observado e previsto, sendo satisfatória na maioria dos municípios. Os modelos não tiveram sucesso na previsão de FC elevados, principalmente nos anos 2008, 2012, 2015 e 2016, período de seca extrema. Os resultados obtidos indicam que a aplicação de RNA na previsão de FC pode auxiliar nas tomadas de decisões dos gestores públicos e no monitoramento de queimadas e incêndios em áreas urbanas.Palavras-chave: incêndios, inteligência artificial, monitoramento ambiental. Forecast of Fire Foci in the Metropolitan Region of Maceió Using Artificial Neural NetworkABSTRACTThe aim of this study is to analyze the forecast of fire foci (FF) in the Maceió Metropolitan Region (MMR) using Artificial Neural Network (ANN). It was used in the study fire foci data available in the Burning Database (BDQueimadas) in the period from 1999 to 2019. The forecast was made based on the ANN non-linear autoregressive (NAR) with the FF, being input and target data. The forecast was based Hyperbolic Tangent and Sigmoid activation function, to find out which function would best adapt to the forecast model of FF in the MMR. The model performance was based on the Scatter Diagram (1:1), with emphasis on Simple Linear Regression (SLR), the coefficients of determination (R2) and Pearson’s (r), followed by the error indicators (ME – Mean Error, RMSE – Root Mean Square Error, MAPE – Mean Absolute Percentage Error). The ME ranged from -0.47 to 1.49 foci, RMSE (1.16 to 7.02 foci), MAPE (14.45 to 24.66%). The coefficients r (0.08 to 0.52) and R2 (1 to 58%). The models based on activation function were similar between observed and predicted, being satisfactory in most municipalities. The models were not successful in forecast high FF, especially in the years 2008, 2012, 2015 and 2016, a period of extreme drought. These results obtained in the study indicate that the application of ANN in the forecast of FF can help in the decision-making of public managers and in the monitoring of burnings and fires in urban areas.Keywords: Fire foci, Artificial Intelligence, Environmental Monitoring.

No abstract

A dengue é um dos graves problemas de saúde pública mundial. O Nordeste do Brasil (NEB) possui um clima e ambiente urbano ideal para a proliferação do mosquito Aedes (aegypti e albopictus), vetor da doença. O Estado de Alagoas, principalmente a sua capital, tem epidemias da doença de forma frequente. Portanto, o objetivo deste estudo é avaliar a aplicação de Rede Neural Artificial (RNA) nos casos notificados de dengue (CND) nas regiões administrativas (RA) de Maceió. As RAs são divididas em: RA1, RA2, RA3, RA4, RA5, RA6, RA7 e RA8. Os CND foram submetidos a RNA não linear autorregressiva (NAR) – (RNA-NAR). O período de estudo foi de 2011 a 2020. Os resultados obtidos de CND se destacaram em anos específicos (2012, 2013, 2017, 2018 e 2020), por outro lado houve superestimativas das previsões via RNA. Em algumas RAs houve subnotificações e, por isso interferiu nos resultados das previsões. A RNA-NAR foi validada, visto que a maioria das previsões apresentou correlação positiva e com resposta aos dados observados, exceto as RAs com subnotificações. O uso da RNA é adequado no alerta e previsão da donça, onde tal instrumento pode ser usado em ações preventivas de controle da doença.

This study aimed to evaluate the performance of the Weather Research and Forecasting (WRF) mesoscale model in the simulation of wind speed in the semiarid region of Northeast Brazil (NEB). The accuracy of the simulations was determined by comparing between forecast (WRF) and observed (OBS) values with an average every 10 minutes. The measurements were made in a 100 m high anemometric tower during the execution of the Project Previsão do Vento em Parques Eólicos do Nordeste Brasileiro – PVPN. The tower was installed in a flat semiarid location in Craíbas, Alagoas - NEB. The period analyzed was five months (2015/03/01 to 2015/07/31). The analysis was performed using descriptive statistics (DS) including central and dispersion measures; bivariate statistics (BS) that includes the correlations (Pearson, Kendall and Spearman) with a t-Student hypothesis test to verify the representativeness of the correlations, and errors statistics (ES) with equations to verify the effectiveness of the simulation; Simple Linear Regression (SLR); Normal and Weibull probability density function (PDF); Principal Component Analysis (PCA). In addition to the temporal assessment of wind speed, temporal distribution of the average daily cycle (ADC), boxplot, scatterplot (1:1) and relative frequency distribution. The results showed that the simulation made by the WRF model reproduced well the daily temporal evolution of the wind in the studied period with a small tendency of underestimation. These results indicate the potential of the WRF model in the modeling of wind speed for the region studied and can contribute to the production of wind energy.