Redes neurais híbridas para previsão meteorológica: Uma abordagem integrada à

O clima desempenha um papel significativo na vida, nos bens, na agricultura e na indústria. As redes neurais são capazes de prever o comportamento não linear do clima sem que a física seja explicitamente explorada. O método mais comum para treinar redes neurais é através do algoritmo de retropropagação baseado no gradiente descendente. Mas o algoritmo de retropropagação apresenta várias desvantagens, como o problema dos mínimos locais, o treino lento e o problema de escalabilidade. Por isso, a forma de resolver estes problemas é através da hibridização com algoritmos genéticos. A técnica híbrida consegue aprender de forma eficiente ao combinar os pontos fortes do algoritmo genético com o algoritmo de retropropagação. As redes neurais híbridas são mais adequadas se considerarmos apenas a necessidade de uma pesquisa global. São boas na pesquisa global, ou seja, não se limitam a uma única direção, e funcionam com uma população de pontos em vez de um único ponto. Além disso, combinam as vantagens tanto do algoritmo determinístico BP como do algoritmo de otimização estocástica GA.