Orientador : Prof. Dr. Paulo Henrique Siqueira / Coorientador : Dr. Cesar Augustus Assis Beneti / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 28/06/2017 / Inclui referências : f.73-78 / Resumo: Análises e estudos meteorológicos permitem realizar previsões sobre o tempo e antever eventos severos como chuva intensa, tempestades elétricas e tornados. Radares meteorológicos têm a característica de possibilitar a previsão de eventos severos à curtissímo prazo, sendo possível identificar e monitorar tempestades severas. Este trabalho apresenta uma aplicação das técnicas de Aprendizagem de Máquina Support Vector Machine (SVM) e Multilayer Perceptron (MLP) para a previsão de Evento de Tempo Severo (ETS). O vetor de características, utilizado para informar os dados de entrada do modelo, é constituído de dados coletados do radar de dupla polarização pertencente ao Sistema Meteorológico do Paraná (SIMEPAR). Os dados de Descargas Elétricas Atmosféricas (DEA) são utilizados para análise dos resultados obtidos, cedidos pela Earth Networks Total Lightning Network (ENTLN). Após o treinamento obteve-se modelos que podem servir de apoio à decisão em alertas de ETS no estado do Paraná. O modelo obtido por SVM se mostrou superior ao obtido por MLP, identificando 93,02% dos ETSs estudados e com 67,84% do total de regiões identificadas confirmadas por DEA, se tornando uma possível ferramenta de apoio à decisão. Palavras-chave: Radar Polarimétrico; Nowcasting; Support Vector Machine; Multilayer Perceptron; Descargas Elétricas Atmosféricas; Aprendizagem de Máquina. / Abstract: Analyzes and meteorological studies make possible to forecast weather and anticipate severe events such as heavy rain, electrical storms and tornadoes. Meteorological radars have the characteristic of making possible to predict severe events in the short term, alows to identify and monitor severe storms. This paper presents an application of the Machine Learning techniques for the Severe Weather Event (ETS) prediction. These techniques are:Support Vector Machine (SVM) and Multilayer Perceptron (MLP). The data used as input of the model, characteristic vector, consists of data collected from the double polarization radar belonging to the Paraná Meteorological System (SIMEPAR). The data of Atmospheric Electric Discharges (DEA) are used to analyze the results obtained, provided by Earth Networks Total Lightning Network (ENTLN). After the training, were obtained models that can serve as support for the decision on ETS alerts in the state of Paraná. The model obtained by SVM was superior to that obtained by MLP, identifying 93,02 % of the ETSs studied and 67.84 % of the total number of identified regions confirmed by DEA, becoming a possible decision support tool. Key-words: Polarimetric Radar; Nowcasting; Support Vector Machine; Multilayer Perceptron; Atmospheric Electric Discharges; Machine Learning.
Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/48933 |
Date | January 2017 |
Creators | Silva, Tulipa Gabriela Guilhermina Juvenal da |
Contributors | Beneti, Cesar Augustus Assis, Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia, Siqueira, Paulo Henrique |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | 78 f. : il. algumas color., grafs., tabs., 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 0.0016 seconds