@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"
}