Título: ASSIMILAÇÃO DE DADOS ATMOSFÉRICOS UTILIZANDO REDES NEURAIS: NOVA ABORDAGEM
Autores: Cintra, Rosângela S. C.; Campos Velho, Haroldo F.
Resumo: Assimilação de Dados é a combinação de um modelo dinâmico e de observações por metodologias que permitem que os dados forcem a evolução do modelo. Diversos métodos de assimilação de dados estão atualmente em uso nas ciências atmosféricas e oceânicas, onde procuram implantar uma solução de um algoritmo que mais se aproxime do estado “verdadeiro”. Métodos seqüenciais ótimos são baseados em teoria de estimativa formal que minimiza os erros dos dados de acordo com a dinâmica do modelo. Métodos de assimilação de dados utilizando Redes Neurais Artificiais (RNA) vêm sendo propostos, principalmente em pesquisas do Instituto Nacional de Pesquisas Espaciais, e têm apresentado resultados consistentes, eficientes computacionalmente e eficazes quanto à aplicação. Uma nova abordagem na aplicação de Assimilação de Dados utilizando redes Perceptron de Múltiplas Camadas será aqui apresentada, esta propõe a redução da complexidade computacional do problema. Os estudos foram feitos em conjunto com o Filtro de Kalman Estendido para os sistemas dinâmicos não lineares: Sistema de Lorenz (1963) e Sistema Dynamo, o qual soluciona as equações de Água Rasa em uma dimensão. A RNA apresentou resultados muito próximos às trajetórias dos modelos dinâmicos comprovando a eficácia do método para o problema de assimilação de dados atmosféricos.
Palavras-chave: Assimilação de dados; Perceptron Multicamadas; Modelos Dinâmicos não Lineares
Páginas: 7
Código DOI: 10.21528/CBRN2009-100
Artigo em PDF: 100_CBRN2009.pdf
Arquivo BibTex: 100_CBRN2009.bib