| 1. Identificação | |
| Tipo de Referência | Artigo em Revista Científica (Journal Article) |
| Site | plutao.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 8JMKD3MGP3W/3MTN65S |
| Repositório | sid.inpe.br/plutao/2016/12.05.19.53.48 |
| Última Atualização | 2016:12.07.11.27.10 (UTC) administrator |
| Repositório de Metadados | sid.inpe.br/plutao/2016/12.05.19.53.49 |
| Última Atualização dos Metadados | 2021:01.02.22.23.12 (UTC) administrator |
| DOI | 10.5923/s.ajee.201601.14 |
| ISSN | 2166-4633 2166-465X |
| Rótulo | lattes: 2720072834057575 1 AnochiCamp:2016:MePrCl |
| Chave de Citação | AnochiCamp:2016:MePrCl |
| Título | Mesoscale precipitation climate prediction for brazilian south region by artificial neural networks  |
| Ano | 2016 |
| Data de Acesso | 26 abr. 2024 |
| Tipo de Trabalho | journal article |
| Tipo Secundário | PRE PI |
| Número de Arquivos | 1 |
| Tamanho | 993 KiB |
| 2. Contextualização | |
| Autor | 1 Anochi, Juliana Aparecida 2 Campos Velho, Haroldo Fraga de |
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JHC3 |
| Grupo | 1 DOP-CPT-INPE-MCTI-GOV-BR 2 LAC-CTE-INPE-MCTI-GOV-BR |
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) |
| Endereço de e-Mail do Autor | 1 juliana.anochi@inpe.br 2 haroldo.camposvelho@inpe.br |
| Revista | American Journal of Environmental Engineering |
| Volume | 6 |
| Número | 4 |
| Páginas | 94-102 |
| Nota Secundária | B3_GEOCIÊNCIAS B3_ENGENHARIAS_II B4_ENGENHARIAS_III |
| Histórico (UTC) | 2016-12-05 19:53:49 :: lattes -> administrator :: 2016-12-07 03:44:30 :: administrator -> lattes :: 2016 2016-12-07 11:27:11 :: lattes -> administrator :: 2016 2021-01-02 22:23:12 :: administrator -> simone :: 2016 |
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Tipo do Conteúdo | External Contribution |
| Tipo de Versão | publisher |
| Palavras-Chave | Climate prediction Precipitation Self-configured neural network Data reduction |
| Resumo | Numerical weather and climate use sophisticated mathematical models. These models are employed to simulate the atmospheric dynamics to perform a medium-range forecasting and climate prediction. Such an approach allows to estimate all meteorological variables for a future time period: wind fields, air temperature, pressure, moisture, and precipitation field. Precipitation is one of the most difficult fields for prediction. The latter statement is verified due to high variability in space and time. However, precipitation is a key issue in many activities of society. An alternative approach for climate prediction to the precipitation field is to employ the Artificial Neural Network (ANN). Such technique has a reduced computational cost in comparison with time integration of the partial differential equations. One challenge to employ an ANN is to determine the topology or configuration of a neural network. Here, a supervised ANN is designed to perform the precipitation prediction looking at two different periods: monthly and seasonal precipitation. The method is applied to the Southern region of Brazil. The definition of the neural network topology is addressed as an optimization problem. The best configuration is computed by minimizing a cost function. The optimization problem is solved by a new meta-heuristic: Multi-Particle Collision Algorithm (MPCA). In addition, a technique based on rough set theory is used to reduce the data space dimension. The predicted precipitation is evaluated by comparison with measured data. The prediction is also evaluated using full and reduced input data for a neural predictive model. |
| Área | COMP |
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Mesoscale precipitation climate... |
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDOP > Mesoscale precipitation climate... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W/3MTN65S |
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W/3MTN65S |
| Idioma | en |
| Grupo de Usuários | lattes self-uploading-INPE-MCTI-GOV-BR |
| Grupo de Leitores | administrator lattes |
| Visibilidade | shown |
| Política de Arquivamento | allowpublisher allowfinaldraft |
| Permissão de Leitura | allow from all |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Vinculação | 8JMKD3MGP3W34P/3K98PDP |
| Repositório Espelho | urlib.net/www/2011/03.29.20.55 |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ESGTTP 8JMKD3MGPCW/43SQKNE |
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/09.22.23.14 4 sid.inpe.br/mtc-m21/2012/07.13.14.49.40 3 |
| URL (dados não confiáveis) | http://article.sapub.org/10.5923.s.ajee.201601.14.html |
| Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
| 6. Notas | |
| Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination e-mailaddress format isbn lineage mark month nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject targetfile tertiarytype |
| 7. Controle da descrição | |
| e-Mail (login) | simone |
| atualizar | |