Orientador : Prof. Dr. Ricardo Carvalho de Almeida / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Ambiental. Defesa: Curitiba, 25/11/2015 / Inclui referências : f. 70-72 / Resumo: A altura da camada limite atmosférica (h) é um parâmetro fundamental em modelagem atmosférica, sendo a dimensão vertical do domínio em modelos de dispersão de poluentes na atmosfera. As relações entre parâmetros meteorológicos e características da superfície é apenas parcialmente conhecida, implicando em dificuldades na obtenção dessa variável. Nesse trabalho empregamos uma rede neural artificial do tipo multilayer perceptron, com algoritmo de treinamento backpropagation, para a estimativa de h a partir de dados de superfície, obtidos em estações meteorológicas. A base de dados para treinamento foi desenvolvida para esse trabalho, a partir de perfis de propriedades obtidos por radiossondagens e disponibilzados pelo Stratosphere-troposphere Processes and their Role in Climate (SPARC). Foram testadas diversas combinações de dados de entrada, incluindo também parâmetros meteorológicos de altitude. A melhor configuração empregando apenas dados de superfície obteve bons resultados, com IOA = 0:9432 e r = 0:9017, sendo indicada sua aplicação para estimativa de h em localidades onde não estejam disponíveis informações de perfis de propriedades atmosféricas. Palavras-chave: Camada Limite Atmosférica, Redes Neurais Artificiais, radiossondagem. / Abstract: The Boundary layer height (h) is considered a fundamental parameter for atmospheric modeling and it is the vertical extension of models domain for pollutants dispersion. Despite its importance, the relations for obtaining h are still only partially understood, limiting the quality of models results. In this work we present the use of a multilayer perceptron artificial neural network for estimating h, applying surface parameters obtained in ground based meteorological stations. The network was trained using a backpropagation algorithm, and it was tested for many different combinations of input data. For that, we needed to develop a hole data base from radiosounding profiles, which were available in the SPARC's (Stratosphere-troposphere Processes and their Role in Climate) website. The best combination showed IOA = 0:9432 and r = 0:9017. Therefore, operation of an artificial neural network is recommended for estimating h when meteorological parameters profiles are not available. Keywords: Atmospheric boundary layer, Artificial neural networks, radiosounding.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/42085 |
| Date | January 2015 |
| Creators | Cabral, Isabela Godoy |
| Contributors | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Ambiental, Almeida, Ricardo Carvalho de |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 72 f. : il. algumas color., application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | Disponível em formato digital |
Page generated in 0.0021 seconds