Redes Neurais Recorrentes aplicadas a previsão de curto prazo utilizando imagens de radares da cidade de Chapecó - SC

Autores

DOI:

https://doi.org/10.5902/2179460X87262

Palavras-chave:

Redes neurais recorrentes, Nowcasting, Radar, Meteorologia

Resumo

Neste trabalho propõe-se uma nova abordagem computacional que faz uso de Redes Neurais Convolucionais Recorrentes, na qual imagens de radar meteorológico são utilizadas para a previsão de propagação e intensidade de tempestades com até 3h de antecedência, conhecida como nowcasting. Para tal, utilizou-se imagens do radar meteorológico localizado na cidade de Chapecó-SC. Esses dados são públicos e estão disponíveis no site do Instituto de Pesquisas Espaciais (INPE). Para isso é proposta a avaliação do emprego de uma rede neural convolucional recorrente de aprendizagem espaço temporal chamada PredRNN++. Os resultados foram validados através de estudos de casos de tempestades ocorridas na região de cobertura do radar utiliza. Para avaliar a performance da rede neural, além de uma análise visual dos resultados, foram utilizadas as métricas MSE e SSIM. Os resultados mostram que a PredRNN++ foi capaz de simular o formato e local onde ocorreu o sistema meteorológico.

Downloads

Não há dados estatísticos.

Biografia do Autor

Felipe Copceski Rossatto, Universidade Federal de Pelotas

Possui graduação em Matemática pela Universidade Regional Integrada do Alto Uruguai e das Missões (2019) e mestrado em Modelagem Matemática pela Universidade Federal de Pelotas (2023). Tem experiência na área de Matemática, com ênfase em Matemática.

Fabrício Pereira Härter, Universidade Federal de Pelotas

Graduado em Meteorologia pela Universidade Federal de Pelotas (1995), mestre em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais (1999) e doutor em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (2004) com pós-doutorado pela University of Waterloo (2006). Trabalhou com previsão de tempo voltada para meios de comunicação e agricultura, foi auxiliar de pesquisa num projeto sobre estimativas de precipitação por satélite, participou do Programa Antártico Brasileiro e prestou consultoria a Organização Meteorológica Mundial, junto ao Instituto Nacional de Meteorologia. Tem como linha de pesquisa prioritária assimilação de dados meteorológicos (redes neurais, filtragem de Kalman e métodos variacionais) e inicialização de modelos numéricos. Atualmente é professor Associado da Universidade Federal de Pelotas (UFPel), membro permanente do Programa de Pós-Graduação em Modelagem Matemática, membro do Núcleo Docente Estruturante do colegiado do Curso de Graduação em Meteorologia, do Conselho Departamental da Faculdade de Meteorologia.

Elcio Hideiti Shiguemori, Instituto de Estudios Avanzados

É Pesquisador do Instituto de Estudos Avançados (IEAv) do Departamento de Ciência e Tecnologia Aeroespacial (DCTA). Doutor em computação aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE) (2007). Mestre em Computação Aplicada pelo INPE (2002), possui graduação em Engenharia da Computação (1998) e em Ciências da Computação pela UBC (1999). É docente no programa de Pós-Graduação em Computação Aplicada do INPE e docente no programa de Pós-graduação PG-CTE do ITA. É professor na Universidade Paulista (UNIP) e coordenador do curso de Engenharia da Computação. Tem experiência na área de Computação, atuando principalmente nos seguintes temas: Inteligência Artificial, Aprendizagem de Máquina, Ciência dos Dados, Navegação Aérea Autônoma, Processamento de Imagens e Visão Computacional.

Leonardo Calvetti, Universidade Federal de Pelotas

Possui graduação em Meteorologia pela Universidade Federal de Pelotas (1998), mestrado(2002) e doutorado (2011) em Meteorologia pela Universidade de São Paulo. Atuou como meteorologista pesquisador no Simepar até janeiro de 2016. Atualmente é professor da Faculdade de Meteorologia da UFPel atuando nas áreas de radar meteorológico, nowcasting, mesoescala, hidrometeorologia e previsão numérica de tempo. 

Referências

Browning, K. A. (1989). Nowcasting of precipitation systems. Reviews of Geophysics, 27, 345-370. doi: 10.1029/RG027i003p00345.

Camporeale, E. (2019). The challenge of machine learning in space weather: Nowcasting and forecasting. Space Wheater, 11, 1166-1207. doi: 10.48550/arXiv.1903.05192.

Hyndman, R. J., Koehler, A. B. (2006). Another look at measures of forecast accuracy. International journal of forecasting, 22, 679-688. doi: 10.1016/j.ijforecast.2006.03.001.

Wang, Y., Gao, Z., Long, M., Wang, J., Philip, S. Y. (2018). Predrnn++: Towards a resolution of the deep-in-time dilemma in spatiotemporal predictive learning. Internacional Conference on Machine Learning, 5123-5132. doi: 10.48550/arXiv.1804.06300.

Wang, Z., Bovic, A. C., Sheikh, H. R., Simoncelli, E. P. (2004). Image Quality Assessment: From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing, 13, 600-612. doi: 10.1109/TIP.2003.819861.

Downloads

Publicado

2024-11-04

Como Citar

Rossatto, F. C., Härter, F. P., Shiguemori, E. H., & Calvetti, L. (2024). Redes Neurais Recorrentes aplicadas a previsão de curto prazo utilizando imagens de radares da cidade de Chapecó - SC. Ciência E Natura, 46(esp. 1), e87262. https://doi.org/10.5902/2179460X87262

Edição

v. 46 n. esp. 1 (2024): ERMAC e ENMC

Seção

Edição Especial 1

Licença

Copyright (c) 2024 Ciência e Natura

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.

Artigos mais lidos pelo mesmo(s) autor(es)