%0 Journal Article
%@holdercode {isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
%@dissemination PORTALCAPES
%@nexthigherunit 8JMKD3MGPCW/3ESGTTP
%@archivingpolicy denypublisher denyfinaldraft
%@secondarymark B5_ENGENHARIAS_III B5_ENGENHARIAS_IV B3_LETRAS_/_LINGUÍSTICA
%3 vol7-no1-art4.pdf
%D 2009
%4 dpi.inpe.br/plutao@80/2010/06.25.16.17.44
%T Nova implementação em filtro do kalman estendido para assimilação de dados com redes neurais
%@usergroup administrator
%@usergroup lattes
%@usergroup marciana
%U http://www.deti.ufc.br/~lnlm
%V 7
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Global Modelling and Data Assimilation Office, GMAO-NASA/Goddard Space Flight Center
%F lattes: 8185155301349092 1 CintraCampTodl:2010:NOIMFI
%@versiontype publisher
%X Assimilação de Dados é uma metodologia que combina dados de um modelo matemático de evolução com observações para se obter a melhor condição inicial possível para modelos de previsão. Diversos métodos de assimilação de dados estão atualmente em uso nas ciências atmosféricas e oceânicas, onde procuram implantar um algoritmo que mais se aproxime do estado verdadeiro da dinâmica do processo. Métodos seqüenciais ótimos são baseados em teoria de estimativa formal que minimiza os erros dos dados de acordo com a dinâmica do modelo. Métodos de assimilação de dados utilizando Redes Neurais Artificiais (RNA) vêm sendo propostos recentemente e têm apresentado resultados consistentes, eficientes computacionalmente e eficazes quanto à aplicação. Este trabalho apresenta uma nova abordagem na aplicação de Assimilação de Dados utilizando redes Perceptron de Múltiplas Camadas que propõe a redução da complexidade computacional do problema. Os estudos foram feito com o Filtro de Kalman Estendido em conjunto com o Sistema de Lorenz (1963) com sua dinâmica caótica não linear e iniciou experimento com o Modelo meteorológico Dynamo. A RNA apresentou resultados muito próximos às trajetórias das variáveis dos modelos dinâmicos comprovando a eficácia do método para o problema de assimilação de dados atmosféricos com algoritmo menos complexo.
%@area COMP
%@secondarykey INPE--PRE/
%@electronicmailaddress rocintra@gmail.com
%@electronicmailaddress haroldo@lac.inpe.br
%@electronicmailaddress todling@gmao.gsfc.nasa.gov
%@documentstage not transferred
%K assimilação de dados, perceptron multicamadas, modelos dinâmicos não lineares, filtro de Kalman.
%@e-mailaddress rocintra@gmail.com
%@issn 1676-2789
%@group LAC-CTE-INPE-MCT-BR
%@group LAC-CTE-INPE-MCT-BR
%N 1
%O Setores de Atividade: Administração pública, defesa e seguridade social.
%P 30-37
%A Cintra, Rosangela Saher Correa,
%A Campos Velho, Haroldo Fraga de,
%A Todling, Ricardo,
%B Learning and Nonlinear Models
%2 dpi.inpe.br/plutao@80/2010/06.25.16.17.45
%@secondarytype PRE PN