Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Valle, Jaqueline, 1995-
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/71916
Resumo: Orientador: Prof. Dr. Paulo Henrique Siqueira
id UFPR_bccb95a0d3ea504a5ceb1c34da3f0de0
oai_identifier_str oai:acervodigital.ufpr.br:1884/71916
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Valle, Jaqueline, 1995-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaSiqueira, Paulo Henrique, 1976-2021-12-09T14:37:53Z2021-12-09T14:37:53Z2021https://hdl.handle.net/1884/71916Orientador: Prof. Dr. Paulo Henrique SiqueiraDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 20/04/2021Inclui referências: p. 90-94Área de concentração: Programação MatemáticaResumo: As condições meteorológicas afetam diretamente diversos setores das atividades humanas, tornando a previsão da ocorrência de hidrometeoros um importante recurso. Uma das ferramentas de sensoriamento remoto que fornecem informações sobre as condições meteorológicas são os radares meteorológicos, porém somente os radares de dupla polarização fazem a classificação de hidrometeoros, de modo que devem ser usadas técnicas alternativas para fazer essa classificação nas áreas monitoradas por radares de polarização simples. O objetivo deste trabalho é aplicar técnicas de redes neurais artificiais para fazer a classificação de hidrometeoros a partir de dados de radares de polarização simples utilizando como base a classificação fornecida por radares de dupla polarização com área de cobertura comum. Foram aplicadas a rede Perceptron Multicamadas, MLP, a rede Long Short-Term Memory, LSTM, bem como a técnica de rede neural híbrida, que trata-se da junção de técnicas de rede autoorganizadas com rede de aprendizagem supervisionada. Como métrica para avaliar o resultado utilizou-se a acurácia, ou seja, a porcentagem de alvos que a rede classificou corretamente tendo como parâmetro a classificação fornecida pelos radares de dupla polarização utilizados. A segunda técnica gerou melhores resultados, sendo que a acurácia média da execução da rede híbrida no conjunto de teste foi de até 76,99%, enquanto a melhor acurácia obtida sem o agrupamento foi de 74,21%. Isto porque a rede k-means, utilizada como a rede auto-organizada da técnica híbrida, identificou as semelhanças entre os dados formando agrupamentos que potencializaram o desempenho das redes MLP e LSTM. A inclusão das variáveis polarimétricas como estímulos para as redes também melhorou seus resultados, gerando uma acurácia média de até 95,69% para o conjunto de teste. Esta inclusão, na execução da rede, só foi possível a partir da aproximação dessas variáveis por uma rede MLP, uma vez que os dados da região monitorada somente por radar de polarização simples não incluem tais valores. Palavras-chaves: Classificação de hidrometeoros, Radar Meteorológico, Redes Neurais Artificiais, Rede Neural Híbrida.Abstract: Meteorological conditions directly affect several sectors of human activities, making the prediction of hydrometeors an important resource. One of the remote sensing tools that provide information on weather conditions is weather radar, but only dual polarization radars classify hydrometeors, so alternative techniques should be used to make this classification in areas monitored by polarization radars. simple. The objective of this work is to apply artificial neural network techniques to classify hydrometeors from simple polarization radar data using the classification provided by dual polarization radars with common coverage area as a basis. The Multilayer Perceptron network, MLP, the Long Short-Term Memory network, LSTM, as well as the hybrid neural network technique, which is the combination of self-organized network techniques with supervised learning network, were applied. As a metric to evaluate the result, accuracy was used, that is, the percentage of targets that the network correctly classified using as parameter the classification provided by the dual polarization radars used. The second technique generated better results, with the average accuracy of the hybrid network execution in the test set being up to 76.99%, while the best accuracy obtained without the cluster was 74.21%. This is because the k-means network, used as the self-organized network of the hybrid technique, identified the similarities between the data forming clusters that enhanced the performance of the MLP and LSTM networks. The inclusion of polarimetric variables as stimuli for the networks also improved their results, generating an average accuracy of up to 95.69 % for the test set. This inclusion, in the execution of the network, was only possible from the approximation of these variables by an MLP network, since the data of the region monitored only by simple polarization radar do not include such values. Key-words: Hydrometeor classification, Weather Radar, Artificial Neural Networks, Hybrid Neural Network.1 arquivo (94 p.) : PDF.application/pdfRadar meteorológicoRedes neurais (Computação)Análise NuméricaClassificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - JAQUELINE VALLE.pdfapplication/pdf1962302https://acervodigital.ufpr.br/bitstream/1884/71916/1/R%20-%20D%20-%20JAQUELINE%20VALLE.pdf70ca70fabdd99ec1675db3d2efdfe972MD51open access1884/719162021-12-09 11:37:53.797open accessoai:acervodigital.ufpr.br:1884/71916Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-12-09T14:37:53Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
title Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
spellingShingle Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
Valle, Jaqueline, 1995-
Radar meteorológico
Redes neurais (Computação)
Análise Numérica
title_short Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
title_full Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
title_fullStr Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
title_full_unstemmed Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
title_sort Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais
author Valle, Jaqueline, 1995-
author_facet Valle, Jaqueline, 1995-
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.author.fl_str_mv Valle, Jaqueline, 1995-
dc.contributor.advisor1.fl_str_mv Siqueira, Paulo Henrique, 1976-
contributor_str_mv Siqueira, Paulo Henrique, 1976-
dc.subject.por.fl_str_mv Radar meteorológico
Redes neurais (Computação)
Análise Numérica
topic Radar meteorológico
Redes neurais (Computação)
Análise Numérica
description Orientador: Prof. Dr. Paulo Henrique Siqueira
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-12-09T14:37:53Z
dc.date.available.fl_str_mv 2021-12-09T14:37:53Z
dc.date.issued.fl_str_mv 2021
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/1884/71916
url https://hdl.handle.net/1884/71916
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 1 arquivo (94 p.) : PDF.
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/1884/71916/1/R%20-%20D%20-%20JAQUELINE%20VALLE.pdf
bitstream.checksum.fl_str_mv 70ca70fabdd99ec1675db3d2efdfe972
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_ 1801860550030786560

Registros relacionados