Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global

Detalhes bibliográficos
Autor(a) principal: Farfán, Hugo Hinostroza
Data de Publicação: 2023
Outros Autores: hf.lhugo1@gmail.com
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UERJ
Texto Completo: http://www.bdtd.uerj.br/handle/1/20173
Resumo: This dissertation presents results of the application in the frequency domain of Recursive Least Squares (RLS) adaptive filters for the correction of global climate prediction errors of the Brazilian Earth System Model (BESM). The BESM consists of computational models aimed at generating climate change scenarios, just like the ECMWF (European Centre for Medium-Range Weather Forecasts) which also develops and produces global weather predictions such as ERA5 (ECMWF Reanalysis v5). The performance of BESM is measured with reference to the ERA5 observational dataset, and the difference between climate variables generally increases over time. BESM prediction is corrected using ERA5 observational data as a reference. The main objective is to correct the global climate prediction errors of the BESM model. Filters are designed using the previous prediction sequences for a cell (a small region of the globe where correction is applied) or in the frequency coefficients obtained via two-dimensional Discrete Cosine Transform (DCT-2D) in a cell neighborhood. DCT is a mathematical technique for analyzing periodic signals in the frequency domain with a sum of cosine functions. The filters are designed using the Recursive Least Squares (RLS) adaptive algorithm. Filters of different orders are tested, and neighborhoods of different sizes are considered. The correction methodology is also tested considering corrections seasonally and annually, separately. The performance of BESM prediction correction is evaluated using the Root Mean Square Error (RMSE) and Largest Absolute Error (LAE). The proposal is applied to the prognostic variable of Sea Surface Temperature (TSM) for regions of dimension M × M, with M = 8, 16, 32, and filters of length L = 4. Among the various zones analyzed, such as the Pacific Ocean, the Atlantic Ocean, the Indian Ocean, and the Arctic and Antarctic Oceans, the best performance of the proposed method is achieved in the first three zones, while the worst is observed in the last two zones. Finally, the best results are obtained for correction by seasons. Compared to the Mean and Variance Correction (CMV) method, the use of RLS filters generates better results for seasonal adjustment. However, in some specific geographic locations, CMV sometimes outperforms adaptive filtering when it comes to annual adjustment.
id UERJ_6a6e7469921d0a9c0d115745b2763994
oai_identifier_str oai:www.bdtd.uerj.br:1/20173
network_acronym_str UERJ
network_name_str Biblioteca Digital de Teses e Dissertações da UERJ
repository_id_str 2903
spelling Tcheou, Michel Pompeuhttp://lattes.cnpq.br/9868296846852777Lovisolo, Lisandrohttp://lattes.cnpq.br/5556212442729541Chou, Sin Chanhttp://lattes.cnpq.br/4336175279058172González Arenas, Zochilhttp://lattes.cnpq.br/3177810629678519http://lattes.cnpq.br/8370124119590718Farfán, Hugo Hinostrozahf.lhugo1@gmail.com2023-08-18T14:28:41Z2023-05-19FARFÁN, Hugo Hinostroza. Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global. 2023. 96 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023.http://www.bdtd.uerj.br/handle/1/20173This dissertation presents results of the application in the frequency domain of Recursive Least Squares (RLS) adaptive filters for the correction of global climate prediction errors of the Brazilian Earth System Model (BESM). The BESM consists of computational models aimed at generating climate change scenarios, just like the ECMWF (European Centre for Medium-Range Weather Forecasts) which also develops and produces global weather predictions such as ERA5 (ECMWF Reanalysis v5). The performance of BESM is measured with reference to the ERA5 observational dataset, and the difference between climate variables generally increases over time. BESM prediction is corrected using ERA5 observational data as a reference. The main objective is to correct the global climate prediction errors of the BESM model. Filters are designed using the previous prediction sequences for a cell (a small region of the globe where correction is applied) or in the frequency coefficients obtained via two-dimensional Discrete Cosine Transform (DCT-2D) in a cell neighborhood. DCT is a mathematical technique for analyzing periodic signals in the frequency domain with a sum of cosine functions. The filters are designed using the Recursive Least Squares (RLS) adaptive algorithm. Filters of different orders are tested, and neighborhoods of different sizes are considered. The correction methodology is also tested considering corrections seasonally and annually, separately. The performance of BESM prediction correction is evaluated using the Root Mean Square Error (RMSE) and Largest Absolute Error (LAE). The proposal is applied to the prognostic variable of Sea Surface Temperature (TSM) for regions of dimension M × M, with M = 8, 16, 32, and filters of length L = 4. Among the various zones analyzed, such as the Pacific Ocean, the Atlantic Ocean, the Indian Ocean, and the Arctic and Antarctic Oceans, the best performance of the proposed method is achieved in the first three zones, while the worst is observed in the last two zones. Finally, the best results are obtained for correction by seasons. Compared to the Mean and Variance Correction (CMV) method, the use of RLS filters generates better results for seasonal adjustment. However, in some specific geographic locations, CMV sometimes outperforms adaptive filtering when it comes to annual adjustment.Este trabalho de dissertação apresenta resultados da aplicação no domínio da frequência de filtros adaptativos RLS (Recursive Least Squares) para a correção de erros de previsão climática global do Modelo Brasileiro do Sistema Terrestre (Brazilian Earth System Model – BESM). O BESM é composto por modelos computacionais com o objetivo de gerar cenários de mudanças climáticas, tal como as previsões meteorológicas globais do ERA5 (ECMWF Reanalysis v5 ) produzido e desenvolvido pelo ECMWF (European Centre for Medium-Range Weather Forecasts). O desempenho do BESM é medido em referência ao conjunto de dados observacionais do ERA5, a diferença entre as variáveis climáticas em geral aumenta com o tempo. A previsão do BESM é corrigida usando como referência dados observacionais do ERA5. O objetivo central é corrigir os erros de previsão climática global do modelo BESM. Projetam-se filtros usando as sequências de previsões anteriores para uma célula (pequena região do globo onde se aplica a correção) ou nos coeficientes frequenciais obtidos via Transformada de Cosseno Discreta bidimensional (DCT-2D) em uma vizinhança da célula. A DCT permite analisar o conteúdo espectral dos sinais. Os filtros são projetados usando-se o algoritmo adaptativo Recursive Least Squares (RLS). Testam-se filtros de diferentes ordens e são consideradas vizinhanças de diferentes tamanhos. A metodologia de correção é testada ainda considerando correções por estações climáticas, separadamente, e anualmente. Avalia-se o desempenho da correção da previsão BESM usando a Raiz do Erro Quadrático Médio (RMSE – Root Mean Squared Error) e o Erro Absoluto Máximo (LAE – Largest Absolute Error). Aplica-se a proposta na variável prognóstica de Temperatura da superfície do Mar (TSM), para regiões de dimensão M×M, com M = 8, 16, 32, e filtros de comprimento L = 4. Analisa-se o desempenho da proposta em diversas zonas, como o Oceano Pacífico, o Oceano Atlântico, o Oceano Índico e Oceano Ártico e Antártico, e melhores desempenhos são obtido nas três primeiras zonas, sendo pior nas duas últimas zonas. Consideram-se filtros para correção anual e por estações e os melhores resultados são obtidos para a correção por estações. Em comparação com o método de Correção de Média e Variância (CMV), o uso de filtros RLS gera resultados melhores para o ajuste sazonal. No entanto, em algumas localizações geográficas específicas, o CMV às vezes apresenta um desempenho superior à filtragem adaptativa quando se trata do ajuste anual.Submitted by Julia CTC/B (julia.vieira@uerj.br) on 2023-08-18T14:28:41Z No. of bitstreams: 1 Dissertação - Hugo Hinostroza Farfán - 2023 - Completo.pdf: 5131211 bytes, checksum: f7655dd291afc556751034ac7168c010 (MD5)Made available in DSpace on 2023-08-18T14:28:41Z (GMT). No. of bitstreams: 1 Dissertação - Hugo Hinostroza Farfán - 2023 - Completo.pdf: 5131211 bytes, checksum: f7655dd291afc556751034ac7168c010 (MD5) Previous issue date: 2023-05-19Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESapplication/pdfporUniversidade do Estado do Rio de JaneiroPrograma de Pós-Graduação em Engenharia EletrônicaUERJBrasilCentro de Tecnologia e Ciências::Faculdade de EngenhariaElectronic engineeringAdaptative filtersSignal processingAlgorithmsClimatologyEngenharia eletrônicaFiltros adaptativosProcessamento de sinaisAlgorítmosClimatologiaENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOESFiltros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar globalAdaptive frequency domain filters for the correction of the climate prediction of the global sea surface temperatureinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJORIGINALDissertação - Hugo Hinostroza Farfán - 2023 - Completo.pdfDissertação - Hugo Hinostroza Farfán - 2023 - Completo.pdfapplication/pdf5131211http://www.bdtd.uerj.br/bitstream/1/20173/2/Disserta%C3%A7%C3%A3o+-+Hugo+Hinostroza+Farf%C3%A1n+-+2023+-+Completo.pdff7655dd291afc556751034ac7168c010MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82123http://www.bdtd.uerj.br/bitstream/1/20173/1/license.txte5502652da718045d7fcd832b79fca29MD511/201732024-02-27 15:16:53.448oai:www.bdtd.uerj.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:16:53Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false
dc.title.por.fl_str_mv Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
dc.title.alternative.eng.fl_str_mv Adaptive frequency domain filters for the correction of the climate prediction of the global sea surface temperature
title Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
spellingShingle Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
Farfán, Hugo Hinostroza
Electronic engineering
Adaptative filters
Signal processing
Algorithms
Climatology
Engenharia eletrônica
Filtros adaptativos
Processamento de sinais
Algorítmos
Climatologia
ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
title_short Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
title_full Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
title_fullStr Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
title_full_unstemmed Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
title_sort Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global
author Farfán, Hugo Hinostroza
author_facet Farfán, Hugo Hinostroza
hf.lhugo1@gmail.com
author_role author
author2 hf.lhugo1@gmail.com
author2_role author
dc.contributor.advisor1.fl_str_mv Tcheou, Michel Pompeu
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9868296846852777
dc.contributor.advisor2.fl_str_mv Lovisolo, Lisandro
dc.contributor.advisor2Lattes.fl_str_mv http://lattes.cnpq.br/5556212442729541
dc.contributor.referee1.fl_str_mv Chou, Sin Chan
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/4336175279058172
dc.contributor.referee2.fl_str_mv González Arenas, Zochil
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/3177810629678519
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/8370124119590718
dc.contributor.author.fl_str_mv Farfán, Hugo Hinostroza
hf.lhugo1@gmail.com
contributor_str_mv Tcheou, Michel Pompeu
Lovisolo, Lisandro
Chou, Sin Chan
González Arenas, Zochil
dc.subject.eng.fl_str_mv Electronic engineering
Adaptative filters
Signal processing
Algorithms
Climatology
topic Electronic engineering
Adaptative filters
Signal processing
Algorithms
Climatology
Engenharia eletrônica
Filtros adaptativos
Processamento de sinais
Algorítmos
Climatologia
ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
dc.subject.por.fl_str_mv Engenharia eletrônica
Filtros adaptativos
Processamento de sinais
Algorítmos
Climatologia
dc.subject.cnpq.fl_str_mv ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
description This dissertation presents results of the application in the frequency domain of Recursive Least Squares (RLS) adaptive filters for the correction of global climate prediction errors of the Brazilian Earth System Model (BESM). The BESM consists of computational models aimed at generating climate change scenarios, just like the ECMWF (European Centre for Medium-Range Weather Forecasts) which also develops and produces global weather predictions such as ERA5 (ECMWF Reanalysis v5). The performance of BESM is measured with reference to the ERA5 observational dataset, and the difference between climate variables generally increases over time. BESM prediction is corrected using ERA5 observational data as a reference. The main objective is to correct the global climate prediction errors of the BESM model. Filters are designed using the previous prediction sequences for a cell (a small region of the globe where correction is applied) or in the frequency coefficients obtained via two-dimensional Discrete Cosine Transform (DCT-2D) in a cell neighborhood. DCT is a mathematical technique for analyzing periodic signals in the frequency domain with a sum of cosine functions. The filters are designed using the Recursive Least Squares (RLS) adaptive algorithm. Filters of different orders are tested, and neighborhoods of different sizes are considered. The correction methodology is also tested considering corrections seasonally and annually, separately. The performance of BESM prediction correction is evaluated using the Root Mean Square Error (RMSE) and Largest Absolute Error (LAE). The proposal is applied to the prognostic variable of Sea Surface Temperature (TSM) for regions of dimension M × M, with M = 8, 16, 32, and filters of length L = 4. Among the various zones analyzed, such as the Pacific Ocean, the Atlantic Ocean, the Indian Ocean, and the Arctic and Antarctic Oceans, the best performance of the proposed method is achieved in the first three zones, while the worst is observed in the last two zones. Finally, the best results are obtained for correction by seasons. Compared to the Mean and Variance Correction (CMV) method, the use of RLS filters generates better results for seasonal adjustment. However, in some specific geographic locations, CMV sometimes outperforms adaptive filtering when it comes to annual adjustment.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-08-18T14:28:41Z
dc.date.issued.fl_str_mv 2023-05-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv FARFÁN, Hugo Hinostroza. Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global. 2023. 96 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023.
dc.identifier.uri.fl_str_mv http://www.bdtd.uerj.br/handle/1/20173
identifier_str_mv FARFÁN, Hugo Hinostroza. Filtros adaptativos no domínio da frequência para correção de previsão climática da temperatura da superfície do mar global. 2023. 96 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023.
url http://www.bdtd.uerj.br/handle/1/20173
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Eletrônica
dc.publisher.initials.fl_str_mv UERJ
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Centro de Tecnologia e Ciências::Faculdade de Engenharia
publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UERJ
instname:Universidade do Estado do Rio de Janeiro (UERJ)
instacron:UERJ
instname_str Universidade do Estado do Rio de Janeiro (UERJ)
instacron_str UERJ
institution UERJ
reponame_str Biblioteca Digital de Teses e Dissertações da UERJ
collection Biblioteca Digital de Teses e Dissertações da UERJ
bitstream.url.fl_str_mv http://www.bdtd.uerj.br/bitstream/1/20173/2/Disserta%C3%A7%C3%A3o+-+Hugo+Hinostroza+Farf%C3%A1n+-+2023+-+Completo.pdf
http://www.bdtd.uerj.br/bitstream/1/20173/1/license.txt
bitstream.checksum.fl_str_mv f7655dd291afc556751034ac7168c010
e5502652da718045d7fcd832b79fca29
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)
repository.mail.fl_str_mv bdtd.suporte@uerj.br
_version_ 1811728737586118656