Sistemas Evolutivos Baseados em Regras para Previso de Temperatura

Este livro considera mtodos inteligentes evolutivos para previso de sries temporais meteorolgicas. So avaliados os mtodos evolving Takagi-Sugeno (eTS), eXtended Takagi-Sugeno (xTS), Dynamic Evolving Neural Fuzzy Inference System (DENFIS), Fuzzy-Set Based evolving Modeling (FBeM), e uma variao de um mtodo inteligente baseado em nuvens de dados chamado Typicality and Eccentricity Data Analytics (TEDA). So desenvolvidos modelos centrados em dados, no lineares e variantes no tempo para previso de temperatura mdia mensal. Valores passados de temperatura mnima, mxima e mdia, assim como valores passados de variveis exgenas como o nvel de nebulosidade, precipitao de chuva e umidade do ar so levados em conta na previso. utilizado um mtodo no-paramtrico baseado na correlao de Spearman para ordenao e seleo das caractersticas e atrasos de tempo mais importantes para a previso. As bases de dados foram obtidas de estaes meteorolgicas localizadas nas cidades de So Paulo, Manaus, Porto Alegre, e Natal. Estas cidades tm caractersticas climticas particulares. Ademais, um ensemble de nuvens de dados, modelos fuzzy e operadores de agregao fuzzy proposto.