---

Este livro considera métodos inteligentes evolutivos para previsÆo de séries temporais meteorológicas. SÆo avaliados os métodos evolving Takagi-Sugeno (eTS), eXtended Takagi-Sugeno (xTS), Dynamic Evolving Neural Fuzzy Inference System (DENFIS), Fuzzy-Set Based evolving Modeling (FBeM), e uma varia‡Æo de um método inteligente baseado em nuvens de dados chamado Typicality and Eccentricity Data Analytics (TEDA). SÆo desenvolvidos modelos centrados em dados, nÆo lineares e variantes no tempo para previsÆo de temperatura média mensal. Valores passados de temperatura mínima, máxima e média, assim como valores passados de variáveis exógenas como o nível de nebulosidade, precipita‡Æo de chuva e umidade do ar sÆo levados em conta na previsÆo. É utilizado um método nÆo-paramétrico baseado na correla‡Æo de Spearman para ordena‡Æo e sele‡Æo das características e atrasos de tempo mais importantes para a previsÆo. As bases de dados foram obtidas de esta‡äes meteorológicas localizadas nas cidades de SÆo Paulo, Manaus, Porto Alegre, e Natal. Estas cidades têm características climáticas particulares. Ademais, um ensemble de nuvens de dados, modelos fuzzy e operadores de agrega‡Æo fuzzy é proposto.

---

Eduardo é mestre em Engenharia de Sistemas e Automa‡Æo pela Universidade Federal de Lavras. Bacharel em Sistemas de Informa‡Æo pela Universidade Federal de Lavras (UFLA) com período sanduíche na Kwantlen Polytechnic University (Canadá). Sua área de interesse é Inteligência computacional com ênfase em sistemas fuzzy e neuro-fuzzy evolutivos.

---