Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP7W/3CR8HAB
Repositóriosid.inpe.br/mtc-m19/2012/10.17.18.06
Última Atualização2012:10.17.18.08.59 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m19/2012/10.17.18.06.27
Última Atualização dos Metadados2018:06.05.04.13.13 (UTC) administrator
Chave SecundáriaINPE--PRE/
ISSN2238-1007
Chave de CitaçãoFurtadoCampMaca:2012:DaAsNe
TítuloData assimilation by neural network emulating representer method applied to the wave equation
Ano2012
Data de Acesso30 jun. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho750 KiB
2. Contextualização
Autor1 Furtado, Helaine C. M.
2 Campos Velho, Haroldo F. de
3 Macau, Elbert E. N.
Grupo1
2 LAC-CTE-INPE-MCTI-GOV-BR
3 LAC-CTE-INPE-MCTI-GOV-BR
Afiliação1
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 helaine.furtado@lac.inpe.br
2 haroldo@lac.inpe.br
3 elbert@lac.inpe.br
Endereço de e-Mailmarcelo.pazos@inpe.br
Nome do EventoInternational Symposium on Uncertainty Quantification and Stochastic Modeling, 1.
Localização do EventoSão Sebastião, SP
DataFeb. 26th to Mar. 2nd, 2012
Páginas476-484
Título do LivroProceedings
Histórico (UTC)2012-10-17 18:08:59 :: marcelo.pazos@sid.inpe.br -> administrator :: 2012
2018-06-05 04:13:13 :: administrator -> marcelo.pazos@inpe.br :: 2012
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-Chavedata assimilation
neural network
variational method
representer method
wave equation
ResumoDescription of a physical phenomenon through differential equations has errors involved, since the mathematical model is always an approximation of reality. For an operational prediction system, one strategy to deal with uncertainties from the modeling and observation errors is to add some information from the real dynamics into mathematical model. This aditional information consists of observations on the phenomenon. However, the observational data insertion should be done carefully, for avoiding a worse performance of the prediction. Technical data assimilation are tools to combine data from physical-mathematics model with observational data to obtain a better forecast. Two data assimilation methods are compared here: the Kalman Filter method, and artificial neural network. Artificial neural networks appear as a novel method in the context for data assimilation. The performance of the methods is evaluated under application to wave propagation model (Bennet,2002).
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Data assimilation by...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 17/10/2012 15:06 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP7W/3CR8HAB
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP7W/3CR8HAB
Arquivo Alvo71-Helaine.pdf
Grupo de Usuáriosmarcelo.pazos@inpe.br
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/mtc-m19@80/2009/08.21.17.02.53
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor format isbn label language lineage mark nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype volume
7. Controle da descrição
e-Mail (login)marcelo.pazos@inpe.br
atualizar 


Fechar