Propor uma rede neural artificial (RNA) para estimar a evapotranspiração de referência (ETo) em função das coordenadas de posição geográfica e da temperatura do ar no Estado do Rio de Janeiro, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 17 séries históricas de elementos climáticos localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, temperatura média do ar, amplitude térmica diária e dia do ano. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou o melhor desempenho, a qual é composta de apenas uma camada intermediária (com vinte neurônios e função de ativação do tipo sigmóide logística) e uma camada de saída (com um neurônio e função de ativação linear). Pelos resultados obtidos conclui-se que, levando-se em consideração apenas as coordenadas de posição geográfica e a temperatura do ar, pode-se estimar a ETo (valores diários) em 17 localidades do Estado do Rio de Janeiro usando uma RNA.
elementos climáticos; inteligência artificial; modelos empíricos
