Previsão Futura de Séries Temporais Meteorológicas no Cais do Porto de Porto Alegre Usando Aprendizado Profundo com Redes Neurais LSTM

• Lucas dos Santos Azevedo UFRGS
• Rafael Manica UFRGS
• Eduardo Puhl UFRGS

DOI: https://doi.org/10.5753/eramiars.2025.16681

Resumo

Este estudo avalia um modelo LSTM para previsão intradiária (até 100 horas à frente) de variáveis meteorológicas no cais do porto de Porto Alegre. O modelo foi treinado com janelas de 100 lags, utilizando um conjunto de 306.250 dados da API-REDEMET/SBPA–SBPK (2003–2024) e 12.589 medições in loco no porto (2021–2024). Nos testes comparativos, o LSTM superou a API Tomorrow.io (RMSE 11,93 vs. 22,37; MAE 9,48 vs. 20,59) e o WRF (jan/2022) em todas as variáveis analisadas. Os resultados demonstram a viabilidade e a vantagem de modelos LSTM ajustados localmente para previsões de curto e médio prazo em ambientes portuários, configurando-se como alternativa confiável a abordagens comerciais.

Referências

Bauer, P., Thorpe, A., and Brunet, G. (2015). The quiet revolution of numerical weather prediction. Nature, 525(7567):47–55.

Cortés, A. O. (2012). The port of barranquilla: Challenges and recommendations.

de Mendonça, D. and Ballestrin, L. (2021). Dossiê ocupar desde o sul? Revista Sul Americana de Ciência Política, 1(2):32.

Nascimento, A., Ribeiro, H., and Wahrhaftig, A. (2018). Comparative analysis of port performances between italy and brazil.

Peterson, T. C. and Vose, R. S. (1997). An overview of the global historical climatology network temperature database. Bulletin of the American Meteorological Society, 78(12):2837–2849.

PortosRS (2023a). Custos e eficiência do transporte hidroviário no rio grande do sul. [link].

PortosRS (2023b). Principais hidrovias e sua importância para o transporte de cargas. [link].

Vose, R. S. et al. (2012). Monitoring and understanding changes in heatwaves, cold waves, floods, and droughts in the united states: State of knowledge. Bulletin of the American Meteorological Society, 94(6):821–834.