Dissertação(mestrado) - Universidade Federal do Rio Grande, Programa de Pós-Graduação em Engenharia Oceânica, Escola de Engenharia, 2005. / Submitted by Lilian M. Silva (lilianmadeirasilva@hotmail.com) on 2013-04-20T21:03:34Z
No. of bitstreams: 1
Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) / Approved for entry into archive by Bruna Vieira(bruninha_vieira@ibest.com.br) on 2013-06-04T16:31:08Z (GMT) No. of bitstreams: 1
Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5) / Made available in DSpace on 2013-06-04T16:31:08Z (GMT). No. of bitstreams: 1
Estudo para o desenvolvimento de um previsor descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro.pdf: 5929611 bytes, checksum: 6d12186a0ae17fe81eca3382c1b88f42 (MD5)
Previous issue date: 2005 / The atmospheric dynamics evidently is very complex. There are many macro and micron
scales processes and meteorological variables involved in the atmospheric physical phenomena. The storms with electrical dischargesare distinguished, among these phenomena, by the damage consequences to the human beings, directly or indirectly. Many researchers have pursued the possibility of forecasting the occurrence of a storm with electrical discharges, principally in the last three decades. However, there are not improvements in forecast performance, mainly due to phenomenon complexity. The main objective of the present dissertation was to accomplish a study to determine the viability or not of constructing a forecast system of atmospheric electrical discharges from artificial intelligence techniques, specifically artificial neural networks (NN). The base of the system was constituted of numerical simulations results of the atmospheric dynamics obtained from the mesoscale model MM5. It was identified meteorological variables (outputs of MM5) that would have some correlation with the electrical discharges. These variables act as input in the NN, which generate the forecast, consisting in the number of electrical discharges that will reach the ground some posterior time to the relative time of the simulated atmospheric fields. The region chosen for this study includes the state of Rio de Janeiro, the south of Espírito Santo, the southeast of Minas Gerais and the AtlanticOcean. Besides possessing a detection system of electrical discharges, this region contains the most important concentration of oil platforms of Brazil, being strategic to better know the atmospheric behavior in this place. Before developing the forecast system based on NN, some comparative tests were made using the MM5 simulation results and GOES infrared imagery, in order to survey the model prognostic capability. The forecast system showed reasonable results, indicating that the NN application may be a promising way to the electrical discharge forecast. However, it is necessary a better investigation, mainly with relation to the accomplishment of others tests with a bigger set of electrical discharges real data. / A dinâmica da atmosfera é evidentemente bastante complexa. Muitos são os processos físicos de macro e micro escalas e as variáveis meteorológicas envolvidos nos fenômenos atmosféricos. As tempestades com descargas elétricas destacam-se, dentre estes fenômenos, pelas conseqüências danosas causadas aos seres humanos, direta ou indiretamente. Diversos pesquisadores têm procurado investigar a possibilidade de prever a ocorrência de tempestades com descargas elétricas, principalmente nas úl
timas três décadas, entretanto, progressos na
performance da previsão ainda não foram alcançados devido à complexidade do fenômeno. O principal objetivo da presente dissertação foi realizar um estudo para determinar a viabilidade ou não de construir um sistema de previsão de descargas elétricas atmosféricas a partir de
técnicas de inteligência artificial, mais precisamente redes neurais artificiais (RNA). A base do sistema constituiu-se de resultados de simulações numéricas da dinâmica atmosférica obtidos com o modelo de mesoescala MM5. Variáveis meteorológicas (saídas do MM5), que teriam alguma correlação com as descargas elétricas, foram identificadas e selecionadas como entradas na RNA, a qual gera a previsão, isto é, o número de descargas elétricas que atingirá o
solo algum tempo posterior ao tempo relativo dos campos atmosféricos simulados. A região
escolhida para este estudo, abrangendo o Estado do Rio de Janeiro, o sul do Estado do
Espírito Santo, o sudeste do Estado de Minas
Gerais e o Oceano Atlântico, além de possuir
um sistema de detecção e monitoramento de descargas elétricas, contém a mais importante
concentração de plataformas de petróleo do Brasil, sendo, portanto, estratégico conhecer
melhor o seu comportamento atmosférico. Antes de desenvolver o sistema de previsão
baseado em RNA, alguns testes comparativ
os foram realizados usando resultados de
simulação do MM5 e imagens infravermelhas de satélite geoestacionário, a fim de aferir a
capacidade preditiva do modelo. O sistema de previsão apresentou resultados razoáveis,
indicando que a aplicação da RNA é um cami
nho promissor na previsão de descargas
elétricas. Contudo, faz-se necessária uma mel
hor investigação, principalmente quanto à
realização de outros testes com um conjunto
maior de dados reais de descargas elétricas.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.furg.br:1/3445 |
Date | January 2005 |
Creators | Zepka, Gisele dos Santos |
Contributors | Gomes, Sebastião Cícero Pinheiro |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da FURG, instname:Universidade Federal do Rio Grande, instacron:FURG |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds