Sistemas Evolutivos Baseados em Regras para Previsão de Temperatura

Este livro considera m todos inteligentes evolutivos para previs o de s ries temporais meteorol gicas. S o avaliados os m todos evolving Takagi-Sugeno (eTS), eXtended Takagi-Sugeno (xTS), Dynamic Evolving Neural Fuzzy Inference System (DENFIS), Fuzzy-Set Based evolving Modeling (FBeM), e uma varia o de um m todo inteligente baseado em nuvens de dados chamado Typicality and Eccentricity Data Analytics (TEDA). S o desenvolvidos modelos centrados em dados, n o lineares e variantes no tempo para previs o de temperatura m dia mensal. Valores passados de temperatura m nima, m xima e m dia, assim como valores passados de vari veis ex genas como o n vel de nebulosidade, precipita o de chuva e umidade do ar s o levados em conta na previs o. utilizado um m todo n o-param trico baseado na correla o de Spearman para ordena o e sele o das caracter sticas e atrasos de tempo mais importantes para a previs o. As bases de dados foram obtidas de esta es meteorol gicas localizadas nas cidades de S o Paulo, Manaus, Porto Alegre, e Natal. Estas cidades t m caracter sticas clim ticas particulares. Ademais, um ensemble de nuvens de dados, modelos fuzzy e operadores de agrega o fuzzy proposto.