@Article{FernandesLimaStepCalh:2019:PrOcCl,
author = "Fernandes, Alex de Almeida and Lima, Glauston Roberto Teixeira de
and Stephany, Stephan and Calheiros, Alan James Peixoto",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {} and
{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)}",
title = "Prediction of occurrence of cloud-to-ground electrical discharges
using forecasts of the brams numerical model",
journal = "Revista Mundi Engenharia, Tecnologia e Gest{\~a}o",
year = "2019",
volume = "4",
number = "3",
pages = "161--1--161--13",
note = "Setores de Atividade: Administra{\c{c}}{\~a}o p{\'u}blica,
defesa e seguridade social, Pesquisa e desenvolvimento
cient{\'{\i}}fico.",
keywords = "minera{\c{c}}{\~a}o de dados, descargas el{\'e}trica
atmosf{\'e}ricas, sistemas convectivos, modelos
meteorol{\'o}gicos.",
abstract = "A predi{\c{c}}{\~a}o de ocorr{\^e}ncia de eventos convectivos
severos permite a emiss{\~a}o de alertas meteorol{\'o}gicos,
possibilitando a mitiga{\c{c}}{\~a}o de diversas
cat{\'a}strofes em potencial. Em muitos casos, os modelos
num{\'e}ricos de previs{\~a}o do tempo n{\~a}o conseguem
simular de forma eficiente esse tipo de eventos. Em contrapartida,
dado o grande volume e diversidade de dados meteorol{\'o}gicos, a
aplica{\c{c}}{\~a}o de t{\'e}cnicas de minera{\c{c}}{\~a}o de
dados torna-se cada vez mais comum em Meteorologia. No caso de
atividade convectiva, utilizando-se dados passados, {\'e}
poss{\'{\i}}vel identificar padr{\~o}es
caracter{\'{\i}}sticos nas previs{\~o}es de um modelo ao
associ{\'a}-las aos correspondentes campos de densidade de
ocorr{\^e}ncia de descargas el{\'e}tricas atmosf{\'e}ricas
nuvem-solo. Isso {\'e} feito por um algoritmo de aprendizado de
m{\'a}quina, no caso, um conjunto de redes neurais. Assim, estes
padr{\~o}es podem ser detectados nas futuras previs{\~o}es
geradas pelo modelo, de forma a fazer a predi{\c{c}}{\~a}o de
ocorr{\^e}ncia de descargas, as quais est{\~a}o associadas
{\`a} atividade convectiva. Neste trabalho, a abordagem proposta
foi aplicada para o modelo BRAMS, um modelo desenvolvido no
pa{\'{\i}}s e utilizado operacionalmente ou para pesquisa em
Meteorologia. Consequentemente, foi analisada a capacidade de
predi{\c{c}}{\~a}o de ocorr{\^e}ncia de descargas pelas redes
neurais propostas para um conjunto de eventos e sua utilidade para
predi{\c{c}}{\~a}o de eventos convectivos como ferramenta
auxiliar na previs{\~a}o de tempo operacional.",
doi = "10.21575/25254782rmetg2019vol4n3856",
url = "http://dx.doi.org/10.21575/25254782rmetg2019vol4n3856",
issn = "2525-4782",
label = "lattes: 1446664587151293 3 FernandesLimaStepCalh:2019:PROCCL",
language = "pt",
urlaccessdate = "23 abr. 2024"
}