Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/5009
Title in Portuguese: Modelo de previsão sazonal de chuva para o Estado do Ceará baseado em redes neurais artificiais
Title: Seasonal forecasting model of rain for the State of Ceara based on artificial neural networks.
Author: Castro, Thiago Nogueira
Advisor(s): Pontes, Ricardo Silva Thé
Keywords: Engenharia elétrica
Climatologia - Modelos matemáticos
Redes neurais
Issue Date: 15-Sep-2011
Citation: CASTRO, T. N. Modelo de previsão sazonal de chuva para o Estado do Ceará baseado em redes neurais artificiais. 2011. 78 f. Dissertação (Mestrado em Engenharia Elétrica)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011.
Abstract in Portuguese: Sistemas climatológicos são caracterizados por apresentarem modelagem complexa e de baixa previsibilidade. Em regiões de clima semiárido, como o Nordeste Brasileiro, informações de previsão climatológicas são de interesse para um melhor aproveitamento dos recursos hídricos. O Estado do Ceará, localizado no norte do Nordeste Brasileiro, sofre periodicamente com os problemas de estiagem. Atualmente a Fundação Cearense de Meteorologia e Recursos Hídricos (FUNCEME), órgão pertencente ao governo do Estado do Ceará, é responsável por gerar pesquisas voltadas a trazer um melhor entendimento fenomenológico do clima do Estado e com isso efetuar uma melhor previsão de como será o período de chuvas. Hoje a Fundação utiliza-se de modelagem numérica composta por dois modelos regionais, Modelo Regional Espectral 97 (MRE) e o Regional Modeling Atmospheric System (RAMS), aninhados por uma técnica de downscaling ao modelo dinâmico de grande escala ECHAM4.5, para efetuar suas previsões. Os modelos dinâmicos são caracterizados por apresentarem elevado custo computacional, grande quantidade de dados para sua entrada e alta complexidade na utilização. O desenvolvimento de modelos de previsão baseados em Redes Neurais Artificias (RNA) abrange diversas áreas do conhecimento e tem apresentado resultados promissores. Modelos baseados em redes neurais são capazes de reproduzir deferentes tipos de sistemas através da sua capacidade de aprendizado. Nesta dissertação foi desenvolvido um modelo de previsão de chuvas para as oito regiões homogêneas do Estado do Ceará, que apresenta um baixo custo computacional e de fácil utilização. Para atingir este desenvolvimento foi utilizada uma RNA baseada na técnica Neo-Fuzzy Neuron (NFN). Apesar de ser proposto um novo modelo de previsão, não se deseja a substituição dos atuais modelos, o novo modelo proposto nesta dissertação tem por finalidade enriquecer as informações geradas através de modelos de previsão para que assim possa ser gerada uma melhor predição de como será o período de chuvas no Estado do Ceará. O modelo proposto foi comparado ao modelo MRE que é atualmente utilizado pela FUNCEME para suas previsões. Nesta comparação utilizou-se como indicadores de desempenho: tempo de execução, valor da raiz quadrada do erro médio quadrático (REMQ) e a correlação com os valores observados. Ao final pode-se concluir que o modelo desenvolvido apresentou um melhor desempenho com menor tempo de processamento em relação ao modelo dinâmico MRE para efetuar a previsão de chuvas.
Abstract: Climatological systems are characterized by complex modeling and having low predictability. In semi-arid regions, as the Brazilian Northeast, weather forecast information are necessary for the maintenance of life and a better use of water resources. The State of Ceará, located on the north of Brazilian Northeast, is a region that suffers with drought for a long time. The Fundação Cearense de Meteorologia e Recursos Hídricos (FUNCEME), which belongs to the state government, is responsible for generating research to bring a better phenomenological understanding on the weather of the State of Ceará and thus make a better prediction on how the rainy season will be. Today the foundation makes use of numerical modeling consisting of two regional models, the Regional Spectral Model (RSM) and the Regional Modeling Atmospheric System (RAMS), nested by a downscaling technique to the large scale dynamic model ECHAM4.5, in order to do its predictions. Dynamic models are characterized by their high computational costs, large amounts of information on its input and high complexity usage. The development of forecasting models based on Artificial Neural Networks (ANN) covers various areas of knowledge showing promising results. Neural network based models are capable of reproducing different types of systems through its learning capability. In this thesis it was developed a model for predicting rain for the eight homogeneous regions of the state of Ceará that presents low computational cost and easy use. In order to achieve this development it was used an ANN base on a Neo-Fuzzy Neuron (NFN) technique. Despite being offered a new prediction model, this thesis aims to enrich the information generated by forecast models and do a better prediction on the rainy season of the State of Ceará. The proposed model was compared to the RSM model that is currently in use by FUNCEME in its predictions. In this comparison, as performance indicators, it was used: the execution time, value of the root mean square error (RMSE) and the correlation with the observed values. At the end, it is concluded that the proposed model had a better performance and was faster than the RSM dynamic model in its predictions.
URI: http://www.repositorio.ufc.br/handle/riufc/5009
metadata.dc.type: Dissertação
Appears in Collections:DEEL - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2011_dis_tncastro.pdf2,17 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.