Modelo de previsão de chuva usando redes neurais artificiais
| dc.contributor.advisor | LIMA, Alexandra Amaro de | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/6915958689972413 | |
| dc.creator | BERNHARD, Gustavo Galdino Rodrigues | |
| dc.creator.Lattes | http://lattes.cnpq.br/1566851568906291 | |
| dc.date.accessioned | 2024-08-14T23:26:57Z | |
| dc.date.available | 2024-08-14T23:26:57Z | |
| dc.date.issued | 2022-09-20 | |
| dc.description.abstract | Precipitation is important in maintaining the environment and life of living beings. Through their studies and increasingly accurate forecasts, we can reduce the impacts related to floods, environmental disasters, and losses in the agricultural and tourism sectors. However, climate change has made the analysis of this variable difficult. In this article, we will present an hourly rain forecast model using Artificial Neural Networks, using the information on instantaneous, maximum and minimum temperature, relative humidity, wind, and precipitation through the automatic weather stations of the Instituto Nacional de Meteorologia (INMET), As a methodology, we will present it in three steps, called assembly, because it defines the type of network, architecture (layers and hidden commands), activation functions, type of control, learning algorithm and other parameters. Training, where the ANN captures all the relevant characteristics of the selected data set being divided, so that 70% of the information made available for the model to carry out the network learning, and 15% are saved to carry out the validation and between 15% not network test and a third stage takes place the RNA tests, where it is to perform the precipitation forecast and corrections of the values found by the network. The forecasts made with the model had strong results, showing that the model was able to reproduce the same behavior as the observed observation for the predicted day, presenting practically the same total millimeters (mm), mainly on the rainiest days. On the other hand, in cases where the observed showed a characteristic of convective precipitation, the model failed to capture the intensity, which shows that this should be tested with other astrological variables. | |
| dc.description.resumo | A precipitação é importante na manutenção do meio ambiente e vida dos seres vivos. Por meio de seus estudos e previsões cada vez mais precisas a fim de diminuir os impactos relacionados à enchentes desastres ambientais, prejuízos nos setores agrícolas e turismo. Contudo, as mudanças climáticas vêm dificultando as análises desta variável. Apresentaremos um modelo de previsão de chuva hora a hora utilizando Redes Neurais Artificiais, utilizando informações de temperatura instantânea, máxima e mínima, umidade relativa, vento e precipitação através das estações meteorológicas automáticas do Instituto Nacional de Meteorologia (INMET), como metodologia apresentaremos em três etapas, denominadas de montagem, pois nela é definido o tipo de rede, arquitetura (camadas e neurônios ocultos), funções de ativação, tipo de propagação, algoritmo de aprendizado, e outros parâmetros. Treinamento, onde a RNA captura todas as características relevantes do conjunto de dados selecionados sendo divididos, de forma que 70% das informações disponibilizadas para que o modelo realize o aprendizado da rede, e 15% são resguardados para realizar a validação e entre 15% no teste da rede e a terceira etapa ocorre os testes da RNA, onde está é para executar as previsões da precipitação e as correções dos valores encontrados pela rede. As previsões realizadas com o modelo mostraram resultados satisfatórios, mostrando que o modelo consegui reproduzir o mesmo comportamento da precipitação observada para o dia previsto, apresentando praticamente os mesmos totais milímetros (mm), principalmente nos dias mais chuvosos. Por outro lado, nos casos em que o observado mostrava uma característica de precipitação convectiva o modelo não conseguiu capturar a intensidade, o que mostra que esse deve ser testado com outras variáveis atmosférica. | |
| dc.description.sponsorship | Não se aplica | |
| dc.format | pdf. | |
| dc.identifier.citation | BERNHARD, Gustavo Galdino Rodrigues. Modelo de previsão de chuva usando redes neurais artificiais. 2022. 64f. Dissertação do programa de pósgraduação em Engenharia, Gestão de Processos, Sistemas e Ambiental (EGPSA), Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM), Manaus, 2022. | |
| dc.identifier.uri | https://rigalileo.itegam.org.br/handle/123456789/66 | |
| dc.language | pt | |
| dc.publisher | Instituto de Tecnologia e Educação Galileo da Amazônia | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Pro-Reitoria de Pesquisa, Pós-graduação e Extensão | |
| dc.publisher.initials | ITEGAM | |
| dc.publisher.program | Programa de Pós-Graduação em Engenharia, Gestão de Processos, Sistemas e Ambiental | |
| dc.subject | Rede neural | |
| dc.subject | Precipitação pluvial | |
| dc.subject | Dados meteorológicos superficiais | |
| dc.subject.cnpq | 1.03.00.00-7 Ciência da Computaçã | |
| dc.title | Modelo de previsão de chuva usando redes neurais artificiais | |
| dc.type | Dissertação |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- 11.DISSERTAÇÃO GUSTAVO BERNHARD-FINAL.pdf
- Tamanho:
- 2.38 MB
- Formato:
- Adobe Portable Document Format