Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico

Detalhes bibliográficos
Autor(a) principal: Silva, Tulipa Gabriela Guilhermina Juvenal da
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/48933
Resumo: Orientador: Prof. Dr. Paulo Henrique Siqueira
id UFPR_a79d05fa6493727698a7692b7841ccaf
oai_identifier_str oai:acervodigital.ufpr.br:1884/48933
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Beneti, Cesar Augustus AssisUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaSiqueira, Paulo Henrique, 1976-Silva, Tulipa Gabriela Guilhermina Juvenal da2024-05-16T13:32:48Z2024-05-16T13:32:48Z2017https://hdl.handle.net/1884/48933Orientador: Prof. Dr. Paulo Henrique SiqueiraCoorientador: Dr. Cesar Augustus Assis BenetiDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 28/06/2017Inclui referências : f.73-78Resumo: 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.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.78 f. : il. algumas color., grafs., tabs.application/pdfDisponível em formato digitalAnálise NuméricaDescargas eletricasRadarAprendizado do computadorIdentificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétricoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - TULIPA GABRIELA GUILHERMINA JUVENAL DA SILVA.pdfapplication/pdf1826372https://acervodigital.ufpr.br/bitstream/1884/48933/1/R%20-%20D%20-%20TULIPA%20GABRIELA%20GUILHERMINA%20JUVENAL%20DA%20SILVA.pdf18e0946cc9de9bbfea05a9884757e4a1MD51open access1884/489332024-05-16 10:32:48.915open accessoai:acervodigital.ufpr.br:1884/48933Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-16T13:32:48Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
title Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
spellingShingle Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
Silva, Tulipa Gabriela Guilhermina Juvenal da
Análise Numérica
Descargas eletricas
Radar
Aprendizado do computador
title_short Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
title_full Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
title_fullStr Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
title_full_unstemmed Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
title_sort Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico
author Silva, Tulipa Gabriela Guilhermina Juvenal da
author_facet Silva, Tulipa Gabriela Guilhermina Juvenal da
author_role author
dc.contributor.other.pt_BR.fl_str_mv Beneti, Cesar Augustus Assis
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Siqueira, Paulo Henrique, 1976-
dc.contributor.author.fl_str_mv Silva, Tulipa Gabriela Guilhermina Juvenal da
contributor_str_mv Siqueira, Paulo Henrique, 1976-
dc.subject.por.fl_str_mv Análise Numérica
Descargas eletricas
Radar
Aprendizado do computador
topic Análise Numérica
Descargas eletricas
Radar
Aprendizado do computador
description Orientador: Prof. Dr. Paulo Henrique Siqueira
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2024-05-16T13:32:48Z
dc.date.available.fl_str_mv 2024-05-16T13:32:48Z
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/1884/48933
url https://hdl.handle.net/1884/48933
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 78 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/1884/48933/1/R%20-%20D%20-%20TULIPA%20GABRIELA%20GUILHERMINA%20JUVENAL%20DA%20SILVA.pdf
bitstream.checksum.fl_str_mv 18e0946cc9de9bbfea05a9884757e4a1
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_ 1813898916095066112

Registros relacionados