Resumo
Este trabalho apresenta o método Mannga (Multiple variables with Artificial Neural Network and Genetic Algorithm), desenvolvido para preencher falhas em dados meteorológicos. A ideia principal é preencher as falhas baseando-se nos valores de outras variáveis meteorológicas medidas no mesmo momento, uma vez que as variáveis meteorológicas possuem forte relação entre si. Testes foram executados para mostrar a performance do Mannga comparado com outros dois métodos comumente utilizados na área. Os resultados alcançados atingiram uma boa precisão, principalmente relacionado ao desafio de preencher valores em dados que ocorrem em sequência. As principais vantagens do Mannga são a sua flexibilidade em manipular diferentes tipos de dados meteorológicos, a habilidade de selecionar as melhores variáveis para auxiliar no preenchimento das falhas e a capacidade de lidar com falhas sequenciais. Além disso, o método está disponível publicamente na linguagem de programação Java.
Palavras-chave:
dados multivariados; redes neurais artificiais; algoritmos genéticos; software livre
