The objective of this study was to test an artificial neural network (ANN) for estimating the reference evapotranspiration (ETo) as a function of the maximum and minimum air temperatures in the Campos dos Goytacazes county, State of Rio de Janeiro. The data used in the network training were obtained from a historical series (September 1996 to August 2002) of daily climatic data collected in Campos dos Goytacazes county. When testing the artificial neural network, two historical series were used (September 2002 to August 2003) relative to Campos dos Goytacazes, and Viçosa, State of Minas Gerais. The ANNs (multilayer perceptron type) were trained to estimate ETo as a function of the maximum and minimum air temperatures, extraterrestrial radiation, and the daylight hours; and the last two were previously calculated as a function of either the local latitude or the Julian date. According to the results obtained in this ANN testing phase, it is concluded that when taking into account just the maximum and minimum air temperatures, it is possible to estimate ETo in Campos dos Goytacazes.

Este estudo objetivou estabelecer um critério sobre qual teste de aderência deve ser preferido na escolha de funções de distribuição de probabilidades (fdp). Para tal, foram ajustadas as fdp: Gumbel (GUM), Generalizada de valores extremos (GEV) e Log-normal a 2 parâmetros (LN2), através dos métodos dos momentos, momentos-L e máxima verossimilhança, em séries de precipitação diária máxima anual de 11 estações localizadas na bacia hidrográfica do rio Sapucaí. A aderência dessas fdp aos dados foi feita pelos testes de Kolmogorov-Smirnov (KS), Qui-quadrado (χ²), Filliben (Fi) e Anderson-Darling (AD). Verificaram-se quais testes de aderência são mais rigorosos na seleção de distribuições de probabilidade e, ainda, os testes de aderência que convergem os resultados para a escolha da fdp com melhor desempenho na análise de incerteza e/ou nas estatísticas de ajuste. Os testes de aderência mais rigorosos no aceite da aderência da fdp aos dados são os testes de Fi e AD. O teste de Fi é o que mais converge para a escolha da fdp com melhor desempenho na análise de incerteza e nas estatísticas de ajuste, seguido pelo teste de χ², portanto devem ser preferidos. As fdp GUM e GEV se destacaram em representar os dados de precipitação máxima anual.