Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena

Detalhes bibliográficos
Autor(a) principal: Pereira, Maria Carolina Martins
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/47520
Resumo: Orientador: Prof. Dr. Ricardo C. de Almeida
id UFPR_1d9a805b9fc1c488c0a36c2fa01180bc
oai_identifier_str oai:acervodigital.ufpr.br:1884/47520
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaAlmeida, Ricardo Carvalho de, 1959-Pereira, Maria Carolina Martins2024-05-13T17:53:09Z2024-05-13T17:53:09Z2016https://hdl.handle.net/1884/47520Orientador: Prof. Dr. Ricardo C. de AlmeidaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 31/08/2016Inclui referências : f.81-83Resumo: Restrições de visibilidade severas causadas por nevoeiros são um grande empecilho à aviação, pois podem causar atrasos ou cancelamentos de voos, além de trazerem grandes riscos às operações aéreas. O Aeroporto Internacional Afonso Pena, localizado na cidade de São José dos Pinhais, no estado do Paraná, é o aeródromo brasileiro que mais sofre com estes fenômenos meteorológicos, passando, em média 400 horas por ano impedido de realizar pousos e decolagens. O fenômeno meteorológico nevoeiro caracteriza-se como uma formação densa de gotículas de água, restringindo a visibilidade horizontal a menos de 1000 metros. A previsão do fenômeno nevoeiro desafia meteorologistas ao redor do mundo, pois sua formação, duração e extinção estão entre as previsões meteorológicas mais difíceis de serem realizadas com eficácia. Redes Neurais Artificiais (RNA) são ferramentas computacionais inspiradas no funcionamento do sistema nervoso humano, capazes de identificar padrões e aprender através da experiência. Das diversas configurações existentes, as RNA de Função de Base Radial são especialmente capazes de realizar classificações. Esta configuração de RNA foi adotada para este trabalho por apresentar esta característica. Esta pesquisa objetiva verificar a eficácia do emprego de RNAs na previsão categórica do fenômeno nevoeiro para até três horas, bem como detectar quais as variáveis meteorológicas influenciam mais significativamente na eficácia da previsão. Para tanto, foram utilizadas três RNAs, uma para cada hora de previsão, treinadas independentemente a partir de dados meteorológicos coletados na Estação Meteorológica de Superfície e na Estação Meteorológica de Altitude localizadas no Aeroporto Afonso Pena. A amostra de dados completa compreende o período dos anos de 1997 a 2014. A partir destes dados foi possível realizar uma análise sobre a persistência do fenômeno, bem como realizar estudo climatológico sobre o comportamento das diversas variáveis meteorológicas quando na ocorrência do nevoeiro, a fim de compreender melhor a gênese do evento, e também no intuito de estabelecer um modelo conceitual que auxilie na sua previsão. Além disso, o desempenho destas técnicas de previsão foi comparado ao desempenho da técnica de previsão através de redes neurais, a fim de averiguar-se a eficácia desta última. As RNAs utilizadas para a previsão do fenômeno passaram por diversas fases de treinamento, até se chegar às configurações ótimas, cujos dados de entrada são séries temporais com quatro horas, apenas de dados de visibilidade, e a camada intermediária dispõe de dois neurônios ocultos. A técnica de previsão através de climatologia apresentou razão de falso alarme em torno de 96%, superestimando a ocorrência do fenômeno, aproximadamente, seis vezes; a técnica de previsão através de persistência apresentou índices de desempenho bastante próximos aos apresentados pelas redes neurais; no entanto, a técnica de previsão de nevoeiros através do uso de RNAs alcançou a maior probabilidade de detecção, indicando o desempenho superior desta técnica na previsão do fenômeno nevoeiro para o Aeroporto Afonso Pena.Abstract: Severe visibility restrictions caused by fog are a major impediment to aviation since they may cause flight delays or cancellations, in addition to bringing serious risks to air operations. The Afonso Pena International Airport, located in the city of São José dos Pinhais, in the state of Paraná, is the Brazilian airport most affected by this weather phenomenon, being, on average, 405,5 hours per year prevented from performing landings and takeoffs. The meteorological phenomenon fog is characterized by a dense formation of water droplets which restricts horizontal visibility to less than 1.000 meters. Fog forecasts challenge meteorologists around the world and its duration and termination are among the most difficult weather forecasts to be effectively made. Artificial Neural Networks (ANN) are computer tools inspired by the functioning of the human nervous system that are able to identify patterns and learn from experience. Among the various existing configurations, the Radial Basis Functions ANNs are especially suitable to perform pattern classification. Such a type of ANN was used in this work due to that characteristic. The major goal of this research is to verify the effectiveness of the use of ANNs in categorical forecast of fog for up to three hours ahead, as well as to detect which meteorological variables have more significant influence on its formation process. For that, three ANNs were used, one for each forecast hour. Each of these ANNs were independently trained with meteorological data collected from the Surface and Upper Air Meteorological Stations located at the Afonso Pena Airport. The full data sample covers the period between 1997 and 2014. From these data, it was possible to perform an analysis of the persistence of the phenomenon as well as a climatological study on the behavior of the several meteorological variables involved in fog occurrence. Those analyses allowed a better understanding of the genesis of the event and the establishment of a conceptual model that helps to forecast the phenomenon. In addition, the performance of such forecast techniques was compared to the performance of the forecast technique through neural networks in order to investigate the effectiveness of the latter. The ANNs used for the forecasts went through several training stages until reaching the optimal configurations, whose input data are four-hour time series of visibility data only, and the intermediate layer has two hidden neurons. The forecast technique through climatology had a false-alarm rate of 96%, overestimating the occurrence of the phenomenon about six times; the forecast technique through persistence had performance indices very close to those showed by the neural networks; however, the fog forecast technique with the use of ANNs reached the highest detection probability, indicating the superior performance of this technique in the forecast of the fog phenomenon for the Afonso Pena Airport.83 [3] f. : il. algumas color., grafs., tabs.application/pdfDisponível em formato digitalAnálise numéricaRedes neurais (Computação)Nevoa (Metereologia)AeroportosEmprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Penainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - MARIA CAROLINA MARTINS PEREIRA.pdfapplication/pdf2164885https://acervodigital.ufpr.br/bitstream/1884/47520/1/R%20-%20D%20-%20MARIA%20CAROLINA%20MARTINS%20PEREIRA.pdfd2354f9e111592d09daeb2603792f0e4MD51open access1884/475202024-05-13 14:53:09.216open accessoai:acervodigital.ufpr.br:1884/47520Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-13T17:53:09Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
title Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
spellingShingle Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
Pereira, Maria Carolina Martins
Análise numérica
Redes neurais (Computação)
Nevoa (Metereologia)
Aeroportos
title_short Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
title_full Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
title_fullStr Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
title_full_unstemmed Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
title_sort Emprego de redes neurais artificiais RFB na previsão de nevoeiro no Aeroporto Internacional Afonso Pena
author Pereira, Maria Carolina Martins
author_facet Pereira, Maria Carolina Martins
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Almeida, Ricardo Carvalho de, 1959-
dc.contributor.author.fl_str_mv Pereira, Maria Carolina Martins
contributor_str_mv Almeida, Ricardo Carvalho de, 1959-
dc.subject.por.fl_str_mv Análise numérica
Redes neurais (Computação)
Nevoa (Metereologia)
Aeroportos
topic Análise numérica
Redes neurais (Computação)
Nevoa (Metereologia)
Aeroportos
description Orientador: Prof. Dr. Ricardo C. de Almeida
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2024-05-13T17:53:09Z
dc.date.available.fl_str_mv 2024-05-13T17:53:09Z
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.uri.fl_str_mv https://hdl.handle.net/1884/47520
url https://hdl.handle.net/1884/47520
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 83 [3] f. : il. algumas color., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/47520/1/R%20-%20D%20-%20MARIA%20CAROLINA%20MARTINS%20PEREIRA.pdf
bitstream.checksum.fl_str_mv d2354f9e111592d09daeb2603792f0e4
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860198393970688

Registros relacionados