Estimativa de dados faltantes em séries temporais de radiação global através de algotitmos de redes neurais

Resumo

No tratamento de dados de séries de tempo meteorológicas encontram-se problemas de dados incompletos em alguns intervalos de tempo; o problema é abordado geralmente usando o modelo auto-regressivo integrado de média móvel (ARIMA) ou o método de análise de regressão (interpolação), ambos com certas limitações em condições particulares. Este artigo apresenta os resultados de uma investigação que visa resolver o problema utilizando redes neurais. Apresenta-se a análise realizado a uma série histórica de radiação global obtida na Universidade  Francisco de Paula Santander (Cucuta, Colômbia), com base nos dados registrados por sua estação meteorológica, a partir de uma série de estudo de dez anos (125,658 registros de temperatura, radiação e energia), com 9,98% de dados em falta. Os dados foram devidamente depurados e completados mediante algoritmos de rede neurais tipo backpropagation usando o software matemático MATLAB.