Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos

Detalhes bibliográficos
Autor(a) principal: Alex Sandro Aguiar Pessoa
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21b/2014/11.27.23.46
Resumo: A Teoria dos Conjuntos Aproximativos (TCA) é um paradigma para tratamento de informações incertas e imprecisas proposta no início dos anos 80 e vem se difundindo nas últimas duas décadas graças ao aumento das capacidades de processamento e armazenamento de dados. Um ponto central na TCA é a obtenção de conjuntos reduzidos de atributos conhecidos como reduções, as quais reduzem a dimensionalidade da classificação. Entretanto, a obtenção de reduções a partir do conjunto completo de atributos possui alta complexidade computacional, recorrendo-se então ao uso de metaheurísticas. Nesta tese, objetiva-se identificar padrões associados à ocorrência de eventos convectivos severos em saídas de modelos numéricos de previsão de tempo utilizando-se TCA. Estes padrões são constituídos por um conjunto selecionado de variáveis meteorológicas e são encontrados a partir de um conjunto de eventos convectivos conhecidos, os quais foram identificados por meio da densidade de ocorrência de descargas elétricas nuvem-solo. A aplicação de metaheurísticas específicas otimiza a identificação desses padrões no escopo da TCA e permite gerar classificadores que possam detectar a possível ocorrência de eventos convectivos em previsões meteorológicas. Isso auxiliaria a previsão operacional de tempo, dada a deficiência que os modelos meteorológicos tem em simular a gênese e evolução de eventos convectivos devida a limitações de resolução espacial e à necessidade de se aprimorar a microfísica correspondente nesses modelos.
id INPE_799ae3adf10bdf89324ba1e80100192b
oai_identifier_str oai:urlib.net:sid.inpe.br/mtc-m21b/2014/11.27.23.46.58-0
network_acronym_str INPE
network_name_str Biblioteca Digital de Teses e Dissertações do INPE
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisPredição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributosPrediction of severe convective events from weather model output using the rough set theory and metaheuristics for attribute reduction.2014-11-14Stephan StephanyLuciano Vieira DutraTércio AmbrizziCarlos Henrique Quartucci ForsterAlex Sandro Aguiar PessoaInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Computação AplicadaINPEBRteoria dos conjuntos aproximativosmetaheurísticaseventos severosrough set theorymetaheuristicssevere eventsA Teoria dos Conjuntos Aproximativos (TCA) é um paradigma para tratamento de informações incertas e imprecisas proposta no início dos anos 80 e vem se difundindo nas últimas duas décadas graças ao aumento das capacidades de processamento e armazenamento de dados. Um ponto central na TCA é a obtenção de conjuntos reduzidos de atributos conhecidos como reduções, as quais reduzem a dimensionalidade da classificação. Entretanto, a obtenção de reduções a partir do conjunto completo de atributos possui alta complexidade computacional, recorrendo-se então ao uso de metaheurísticas. Nesta tese, objetiva-se identificar padrões associados à ocorrência de eventos convectivos severos em saídas de modelos numéricos de previsão de tempo utilizando-se TCA. Estes padrões são constituídos por um conjunto selecionado de variáveis meteorológicas e são encontrados a partir de um conjunto de eventos convectivos conhecidos, os quais foram identificados por meio da densidade de ocorrência de descargas elétricas nuvem-solo. A aplicação de metaheurísticas específicas otimiza a identificação desses padrões no escopo da TCA e permite gerar classificadores que possam detectar a possível ocorrência de eventos convectivos em previsões meteorológicas. Isso auxiliaria a previsão operacional de tempo, dada a deficiência que os modelos meteorológicos tem em simular a gênese e evolução de eventos convectivos devida a limitações de resolução espacial e à necessidade de se aprimorar a microfísica correspondente nesses modelos.The Rough Set Theory (RST) is a standard proposed to deal with uncertain, incomplete or vague information that was proposed in the early 80s. The use of RST has been spreading over the last two decades thanks to increase of data processing and storage capabilities. A fundamental point of RST is the calculation of reduced sets of attributes known as reducts, which allow to reduce the classification dimensionality. However, the calculation of reducts from the complete set of attributes presents high algorithmic complexity demanding the use of metaheuristics. The aim of this thesis is to identify patterns associated to the occurrence of severe convective events from the output of weather forecast numerical models using RST. These patterns are composed of a selected set of meteorological variables and are found using a set of known convective events, which were identified using the density of occurrence of cloud-to-ground electrical discharges. The application of specific metaheuristics optimizes the identification of such patterns in the scope of RST, and allows to derive classifiers able to detect the possible occurrence of convective events in weather forecasts. This approach would help the operational weather forecasting considering that meteorological models have poor performance to simulate the genesis and evolution of convective events due to spatial resolution limitations and to the need of improving the corresponding microphysics in such models.http://urlib.net/sid.inpe.br/mtc-m21b/2014/11.27.23.46info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:54:39Zoai:urlib.net:sid.inpe.br/mtc-m21b/2014/11.27.23.46.58-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:54:40.942Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false
dc.title.pt.fl_str_mv Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
dc.title.alternative.en.fl_str_mv Prediction of severe convective events from weather model output using the rough set theory and metaheuristics for attribute reduction.
title Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
spellingShingle Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
Alex Sandro Aguiar Pessoa
title_short Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
title_full Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
title_fullStr Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
title_full_unstemmed Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
title_sort Predição de eventos severos em saídas de modelos meteorológicos utilizando a teoria dos conjuntos aproximativos e metaheurísticas para redução de atributos
author Alex Sandro Aguiar Pessoa
author_facet Alex Sandro Aguiar Pessoa
author_role author
dc.contributor.advisor1.fl_str_mv Stephan Stephany
dc.contributor.referee1.fl_str_mv Luciano Vieira Dutra
dc.contributor.referee2.fl_str_mv Tércio Ambrizzi
dc.contributor.referee3.fl_str_mv Carlos Henrique Quartucci Forster
dc.contributor.author.fl_str_mv Alex Sandro Aguiar Pessoa
contributor_str_mv Stephan Stephany
Luciano Vieira Dutra
Tércio Ambrizzi
Carlos Henrique Quartucci Forster
dc.description.abstract.por.fl_txt_mv A Teoria dos Conjuntos Aproximativos (TCA) é um paradigma para tratamento de informações incertas e imprecisas proposta no início dos anos 80 e vem se difundindo nas últimas duas décadas graças ao aumento das capacidades de processamento e armazenamento de dados. Um ponto central na TCA é a obtenção de conjuntos reduzidos de atributos conhecidos como reduções, as quais reduzem a dimensionalidade da classificação. Entretanto, a obtenção de reduções a partir do conjunto completo de atributos possui alta complexidade computacional, recorrendo-se então ao uso de metaheurísticas. Nesta tese, objetiva-se identificar padrões associados à ocorrência de eventos convectivos severos em saídas de modelos numéricos de previsão de tempo utilizando-se TCA. Estes padrões são constituídos por um conjunto selecionado de variáveis meteorológicas e são encontrados a partir de um conjunto de eventos convectivos conhecidos, os quais foram identificados por meio da densidade de ocorrência de descargas elétricas nuvem-solo. A aplicação de metaheurísticas específicas otimiza a identificação desses padrões no escopo da TCA e permite gerar classificadores que possam detectar a possível ocorrência de eventos convectivos em previsões meteorológicas. Isso auxiliaria a previsão operacional de tempo, dada a deficiência que os modelos meteorológicos tem em simular a gênese e evolução de eventos convectivos devida a limitações de resolução espacial e à necessidade de se aprimorar a microfísica correspondente nesses modelos.
dc.description.abstract.eng.fl_txt_mv The Rough Set Theory (RST) is a standard proposed to deal with uncertain, incomplete or vague information that was proposed in the early 80s. The use of RST has been spreading over the last two decades thanks to increase of data processing and storage capabilities. A fundamental point of RST is the calculation of reduced sets of attributes known as reducts, which allow to reduce the classification dimensionality. However, the calculation of reducts from the complete set of attributes presents high algorithmic complexity demanding the use of metaheuristics. The aim of this thesis is to identify patterns associated to the occurrence of severe convective events from the output of weather forecast numerical models using RST. These patterns are composed of a selected set of meteorological variables and are found using a set of known convective events, which were identified using the density of occurrence of cloud-to-ground electrical discharges. The application of specific metaheuristics optimizes the identification of such patterns in the scope of RST, and allows to derive classifiers able to detect the possible occurrence of convective events in weather forecasts. This approach would help the operational weather forecasting considering that meteorological models have poor performance to simulate the genesis and evolution of convective events due to spatial resolution limitations and to the need of improving the corresponding microphysics in such models.
description A Teoria dos Conjuntos Aproximativos (TCA) é um paradigma para tratamento de informações incertas e imprecisas proposta no início dos anos 80 e vem se difundindo nas últimas duas décadas graças ao aumento das capacidades de processamento e armazenamento de dados. Um ponto central na TCA é a obtenção de conjuntos reduzidos de atributos conhecidos como reduções, as quais reduzem a dimensionalidade da classificação. Entretanto, a obtenção de reduções a partir do conjunto completo de atributos possui alta complexidade computacional, recorrendo-se então ao uso de metaheurísticas. Nesta tese, objetiva-se identificar padrões associados à ocorrência de eventos convectivos severos em saídas de modelos numéricos de previsão de tempo utilizando-se TCA. Estes padrões são constituídos por um conjunto selecionado de variáveis meteorológicas e são encontrados a partir de um conjunto de eventos convectivos conhecidos, os quais foram identificados por meio da densidade de ocorrência de descargas elétricas nuvem-solo. A aplicação de metaheurísticas específicas otimiza a identificação desses padrões no escopo da TCA e permite gerar classificadores que possam detectar a possível ocorrência de eventos convectivos em previsões meteorológicas. Isso auxiliaria a previsão operacional de tempo, dada a deficiência que os modelos meteorológicos tem em simular a gênese e evolução de eventos convectivos devida a limitações de resolução espacial e à necessidade de se aprimorar a microfísica correspondente nesses modelos.
publishDate 2014
dc.date.issued.fl_str_mv 2014-11-14
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
status_str publishedVersion
format doctoralThesis
dc.identifier.uri.fl_str_mv http://urlib.net/sid.inpe.br/mtc-m21b/2014/11.27.23.46
url http://urlib.net/sid.inpe.br/mtc-m21b/2014/11.27.23.46
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.publisher.program.fl_str_mv Programa de Pós-Graduação do INPE em Computação Aplicada
dc.publisher.initials.fl_str_mv INPE
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do INPE
instname:Instituto Nacional de Pesquisas Espaciais (INPE)
instacron:INPE
reponame_str Biblioteca Digital de Teses e Dissertações do INPE
collection Biblioteca Digital de Teses e Dissertações do INPE
instname_str Instituto Nacional de Pesquisas Espaciais (INPE)
instacron_str INPE
institution INPE
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)
repository.mail.fl_str_mv
publisher_program_txtF_mv Programa de Pós-Graduação do INPE em Computação Aplicada
contributor_advisor1_txtF_mv Stephan Stephany
_version_ 1706809356970885120

Registros relacionados