@Article{CorreaCamp:2020:NeNeWa,
               author = "Correa, Cleber Souza and Campos Velho, Haroldo Fraga de",
          affiliation = "{Instituto de Aeron{\'a}utica e Espa{\c{c}}o (IAE)} and 
                         {Instituto Nacional de Pesquisas Espaciais (INPE)}",
                title = "Observing the existence of low-frequency variability in monthly 
                         rainfall data at southeastern Brazil using R package tools: neural 
                         networks and wavelet",
              journal = "Brazilian Journal of Geophysics",
                 year = "2020",
               volume = "38",
               number = "2",
             keywords = "monthly rainfall, sunspots, multi-decadal cycles, 
                         precipita{\c{c}}{\~a}o mensal, manchas solares, ciclos 
                         multi-decenais.",
             abstract = "This study aimed to analyze 70 years historical series in the 
                         Brazilian Southeastern region, using monthly rainfall data. 
                         Statistical modeling techniques such as cross-wavelet spectra and 
                         artificial neural networks (ANN), from the R statistical package, 
                         were used to perform the analyses. Two different types of neural 
                         networks were employed: the multi-layer perceptron (MLP) and 
                         extreme learning machine (ELM). From the cited time series, the 
                         analysis shows the existence of a decadal and multi-decadal signal 
                         with cycles of 5, 11, and 22 years in the monthly rainfall in 
                         Brazilian Southeastern region, observing the existence of 
                         lowfrequency variability. This shows a significant degree of 
                         modulation and association for the precipitation with solar 
                         activity. The neural networks were also used as forecasting tools, 
                         with a better performance for MLP-NN smaller root mean square 
                         error. However, the MLP-NN presented a greater confidence interval 
                         than ELM-NN. RESUMO: Este estudo teve como objetivo analisar 
                         s{\'e}ries hist{\'o}ricas de 70 anos no sudeste do Brasil, 
                         utilizando dados mensais de precipita{\c{c}}{\~a}o. 
                         T{\'e}cnicas de an{\'a}lise estat{\'{\i}}stica usando o pacote 
                         estat{\'{\i}}stico R, como espectros de wavelet cruzado e 
                         modelagem de redes neurais artificiais (RNA), foram usadas para 
                         realizar as an{\'a}lises. Duas implementa{\c{c}}{\~o}es de 
                         redes neurais foram empregadas: multi-layer perceptron (MLP) e 
                         extreme learning machine (ELM). Os resultados obtidos nas 
                         an{\'a}lises realizadas permitem inferir que as s{\'e}ries 
                         temporais observadas mostram a exist{\^e}ncia de um sinal decenal 
                         e multi-decenal com ciclos de 5, 11 e 22 anos na 
                         precipita{\c{c}}{\~a}o mensal no sudeste do Brasil, observando a 
                         exist{\^e}ncia de variabilidade de baixa frequ{\^e}ncia nos 
                         dados analisados. Isso mostra um grau significativo de 
                         modula{\c{c}}{\~a}o e associa{\c{c}}{\~a}o da 
                         precipita{\c{c}}{\~a}o com a atividade solar. A an{\'a}lise de 
                         s{\'e}ries temporais longas permitem a observa{\c{c}}{\~a}o de 
                         variabilidades de baixa frequ{\^e}ncia, evidenciando sua grande 
                         import{\^a}ncia e relev{\^a}ncia. Uma significativa parcela da 
                         vari{\^a}ncia total de ciclos atmosf{\'e}ricos decenais {\'e} 
                         modulado pela atividade solar. As redes neurais tamb{\'e}m foram 
                         usadas como ferramentas de previs{\~a}o, com melhor desempenho 
                         para a rede MLP como mostrado pelo erro m{\'e}dio 
                         quadr{\'a}tico. A rede MLP apresentou maior amplitude no 
                         intervalor de confian{\c{c}}a do que a rede ELM.",
                  doi = "10.22564/rbgf.v38i2.2046",
                  url = "http://dx.doi.org/10.22564/rbgf.v38i2.2046",
                 issn = "0102-261X",
             language = "en",
           targetfile = "correa-observing.pdf",
        urlaccessdate = "21 maio 2024"
}