@InProceedings{Cerqueira:2004:RePrMo,
author = "Cerqueira, Fernanda Ara{\'u}jo",
affiliation = "Instituto Nacional de Pesquisas Espaciais, Centro de Previs{\~a}o
do Tempo e Estudos Clim{\'a}ticos (INPE.CPTEC)",
title = "Refinamento das previs{\~o}es do modelo ETA",
year = "2004",
pages = "1--16",
organization = "Semin{\'a}rio de Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica do
INPE (SICINPE).",
publisher = "INPE",
note = "{Bolsa PIBIC/INPE/CNPq}",
abstract = "Modelos num{\'e}ricos de previs{\~a}o do tempo possuem
simplifica{\c{c}}{\~o}es para a solu{\c{c}}{\~a}o das
equa{\c{c}}{\~o}es que regem o comportamento da atmosfera. As
equa{\c{c}}{\~o}es s{\~a}o discretizadas e mesmo que haja
aumento de resolu{\c{c}}{\~a}o dos modelos, as previs{\~o}es
apresentar{\~a}o limita{\c{c}}{\~o}es e defici{\^e}ncias.
Utiliza-se m{\'e}todos estat{\'{\i}}sticos e dados
observacionais para refinar as previs{\~o}es geradas pelos
modelos num{\'e}ricos. Este trabalho tem por objetivo utilizar o
algoritmo {"}Model Output Calibration{"} (MOC) para o refinamento
das previs{\~o}es do vento a 10m geradas pelo modelo Eta para a
esta{\c{c}}{\~a}o de Ilha Rasa, no Rio de Janeiro. O MOC {\'e}
baseado em equa{\c{c}}{\~o}es de regress{\~a}o linear
multivariada, cujos preditores s{\~a}o selecionados a partir de
correla{\c{c}}{\~o}es lineares. Preditores que apresentam
coeficiente de correla{\c{c}}{\~a}o acima de valores limites
s{\~a}oo selecionados. A correla{\c{c}}{\~a}o {\'e} entre os
preditores, que s{\~a}o as vari{\'a}veis previstas pelo modelo
Eta, e o preditando, o erro da previs{\~a}o da magnitude do vento
de 10 metros. Foram utilizadas duas s{\'e}ries de treinamento
para a execu{\c{c}}{\~a}o do MOC. A primeira teve um
per{\'{\i}}odo de 21 dias, a segunda, um per{\'{\i}}odo de 28
dias, sendo o m{\^e}s de mar{\c{c}}o utilizado como base para
treinamento destas s{\'e}ries. Os meses de abril e maio foram
utilizados para se realizar as calibra{\c{c}}{\~o}es,
compara{\c{c}}{\~a}o com as observa{\c{c}}{\~o}es e
avalia{\c{c}}{\~a}o dos resultados. Testou-se as duas series de
treinamento para tr{\^e}s limiares de correla{\c{c}}{\~a}o,
sendo: 0,8, 0,6 e 0,4. Foram comparados entre si os resultados do
MOC, os resultados do Eta e a previs{\~a}o por persist{\^e}ncia
do erro da previs{\~a}o. Em ambas s{\'e}ries de treinamento, o
MOC obteve o melhor desempenho para o limiar de 0,8, com
redu{\c{c}}{\~a}o do RMSE sobre a previs{\~a}o do Eta. O erro
MAE do MOC tamb{\'e}m apresentou maior redu{\c{c}}{\~a}o em
rela{\c{c}}{\~a}o ao Eta para o limiar de 0,8. Os RMSE e MAE
utilizando a corre{\c{c}}{\~a}o da previs{\~a}o por
persist{\^e}ncia do erro foram maiores do que utilizando o MOC.
Para o erro BIAS, notou-se que a aplica{\c{c}}{\~a}o do MOC
reduziu drasticamente os erros sistem{\'a}ticos do modelo Eta,
por{\'e}m as medidas de BIAS para a magnitude persistida foram as
menores para as duas s{\'e}ries de treinamento e os tr{\^e}s
limiares de correla{\c{c}}{\~a}o. O algoritmo MOC atingiu o
objetivo de reduzir as medidas de erro do modelo Eta (medidas
RMSE, MAE E BIAS), por{\'e}m essa redu{\c{c}}{\~a}o ainda pode
ser otimizada. Para a s{\'e}rie de treinamento de 28 dias, o MOC
teve melhor desempenho, pois a redu{\c{c}}{\~a}o dos erros da
previs{\~a}o do modelo Eta foi mais significativa. Os resultados,
apesar de indicarem que o MOC {\'e} eficaz, precisam ser
aperfei{\c{c}}oados, pois as correla{\c{c}}{\~o}es est{\~a}o
baixas e espera-se obter uma maior redu{\c{c}}{\~a}o das medidas
de erros. Os pr{\'o}ximos passos do trabalho ter{\~a}o como
objetivo a redu{\c{c}}{\~a}o dos erros de calibra{\c{c}}{\~a}o
do MOC e o aumento da correla{\c{c}}{\~a}o linear entre o MOC
utilizando novas vari{\'a}veis como preditores e s{\'e}ries de
menor intervalo hor{\'a}rio.",
conference-location = "S{\~a}o Jos{\'e} dos Campos",
conference-year = "03 - 04 ago.",
copyholder = "SID/SCD",
language = "pt",
organisation = "Instituto Nacional de Pequisas Espaciais (INPE)",
ibi = "x6e6X3pFwXQZ3DUS8rS5/EhppM",
url = "http://urlib.net/ibi/x6e6X3pFwXQZ3DUS8rS5/EhppM",
targetfile = "11605.pdf",
urlaccessdate = "24 abr. 2024"
}