Laaboudi A, Mouhouche B e Draoui B
A evapotranspiração é um dos componentes básicos do ciclo hidrológico e é essencial para estimar as necessidades de água para rega. A utilização de Redes Neurais Artificiais (RNAs) na estimativa da evapotranspiração de referência tem recebido um enorme interesse na presente década. Este artigo descreve os resultados obtidos utilizando técnicas de redes neuronais para melhorar a precisão da estimativa da evapotranspiração de referência em diferentes situações. Uma vez que as redes neuronais se mostraram aproximadores universais parcimoniosos de funções não lineares, explorámos esta propriedade para construir vários modelos em situações de falta de parâmetros meteorológicos e em diferentes intervalos de tempo. A equação FAO-56 Penman-Monteith (PM) foi utilizada para calcular os valores de evapotranspiração de referência. O estudo mostrou que a técnica de redes neuronais executou os melhores modelos mesmo quando se temia o risco de colinearidade e proporcionou os melhores resultados ao escolher a arquitetura adequada. Conseguiram reduzir os valores do erro quadrático médio e do erro relativo médio absoluto e, ao mesmo tempo, maximizar a eficiência de Nash-Sutcliffe e os valores de determinação dos coeficientes.