EVENTO
Aplicação da Computação Evolutiva na Previsão Quantitativa de Chuva por Conjunto
Tipo de evento: Seminário de Avaliação - Série A
A previsão numérica de tempo é imprescindível para o planejamento de inúmeras atividades sócio-econômicas e de políticas públicas sociais de prevenção, estando fortemente associada à previsão de lucros e à proteção de bens e pessoas. Logo, a melhora contínua da qualidade da previsão de tempo é de fundamental importância para a sociedade. Avanços significativos na previsão numérica de tempo foram obtidos nas últimas décadas decorrentes da evolução tecnológica computacional e do amadurecimento na compreensão dos fenômenos físicos e dos processos de interação entre escalas. Entretanto, esforços para melhorias nos modelos computacionais e, consequentemente, na qualidade das previsões de tempo ainda persistem. Neste contexto, a técnica de previsão de tempo por conjunto surgiu para melhorar a qualidade da previsão de tempo através da combinação de algumas previsões independentes resultantes da integração de diferentes modelos atmosféricos ou de diferentes condições iniciais, dado que existem incertezas associadas à formulação dos processos físicos nos modelos e, ao estado inicial da atmosfera. De maneira geral, as previsões de tempo por conjunto fornecem uma diversidade de informações de fundamental importância para a prática da previsão de tempo, além de superarem as previsões individuais no que diz respeito à acurácia das mesmas. Os métodos estatísticos clássicos, baseados em médias ponderadas ou procedimentos bayesianos, frequentemente adotados na operacionalização da técnica de previsão de tempo por conjunto têm desempenhado eficientemente suas funções para algumas variáveis meteorológicas como, por exemplo, a temperatura e a altura geopotencial. Entretanto, para a previsão quantitativa de chuva estas métricas têm apresentado resultados pouco satisfatórios, em razão provavelmente da simplicidade das mesmas mediante à complexidade não linear dos processos envolvidos, não incorporando assim informações sobre a evolução dinâmico-caótica da atmosfera. Desta forma, o principal objetivo da presente tese de doutorado consiste em explorar os algoritmos da computação evolutiva, mais especificamente a meta-heurística Evolução Gramatical, como ferramenta alternativa para o aperfeiçoamento da previsão quantitativa de chuva por conjunto, bem como para a extração de conhecimento. A região alvo para os estudos é o sul e sudeste do Brasil. A metodologia proposta para a solução do problema de previsão quantitativa de chuva por conjunto via Evolução Gramatical divide o problema em problemas menores de regressão simbólica, organizados em duas etapas principais. Em ambas as etapas, a chuva acumulada diária observada foi adotada como variável dependente. Seja o atributo numérico de entrada representado pela chuva acumulada diária prevista por um dado membro do conjunto para uma dada localidade e período. A primeira etapa consiste na evolução da solução que melhor se ajuste aos dados observados, promovendo assim uma correção da previsão fornecida pelo modelo meteorológico em questão. Na etapa seguinte, as previsões corrigidas dos respectivos membros do conjunto são combinadas visando uma melhora na acurácia da previsão de consenso único comparativamente às obtidas individualmente. Nesta etapa, os atributos numéricos de entrada correspondem às previsões corrigidas dos respectivos membros do conjunto. Algumas gramáticas foram definidas para tratar o problema de previsão quantitativa de chuva por conjunto, que incluíram os atributos numéricos de entrada, valores constantes, além de operadores condicionais, relacionais, lógicos, aritméticos, entre outros. Os experimentos foram realizados sobre conjuntos de dados artificiais e reais. Para a primeira etapa, outros atributos numéricos foram incluídos nos dados de entrada como, por exemplo, o padrão atmosférico, permitindo assim que informações sobre as condições atmosféricas fossem incorporadas na correção da previsão. As técnicas de análise de agrupamento: K-means, Self-Organizing Map e Linkage foram utilizadas para a definição dos padrões atmosféricos típicos da região de estudo. A previsão quantitativa de chuva por conjunto derivada da nova metodologia foi comparada em termos de acurácia com as previsões obtidas via metodologias clássicas: média simples, MASTER Super Model Ensemble System e Bayesian Model Averaging.
Data Início: 06/08/2014 Hora: 10:00 Data Fim: 06/08/2014 Hora: 12:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A
Aluno: Amanda Sabatini Dufek - Laboratório Nacional de Computação Científica - LNCC
Orientador: Douglas Adriano Augusto - - Helio José Corrêa Barbosa - Laboratório Nacional de Computação Científica - LNCC/MCTI Pedro Leite da Silva Dias - - IAG/USP
Participante Banca Examinadora: Haroldo Fraga de Campos Velho - Instituto Nacional De Pesquisas Espaciais - Pedro Leite da Silva Dias - - IAG/USP Renato Simões Silva - Laboratório Nacional de Computação Científica - LNCC
Suplente Banca Examinadora: Dirceu Luis Herdies - CPTEC/INPE - CPTEC/INPE Fabio Andre Machado Porto - Laboratório Nacional de Computação Científica - LNCC
