%0 Journal Article
%@secondarytype PRE PN
%@issn 2525-4782
%@usergroup self-uploading-INPE-MCTI-GOV-BR
%@resumeid
%@resumeid
%@resumeid 8JMKD3MGP5W/3C9JJ9D
%X A predição de ocorrência de eventos convectivos severos permite a emissão de alertas meteorológicos, possibilitando a mitigação de diversas catástrofes em potencial. Em muitos casos, os modelos numéricos de previsão do tempo não conseguem simular de forma eficiente esse tipo de eventos. Em contrapartida, dado o grande volume e diversidade de dados meteorológicos, a aplicação de técnicas de mineração de dados torna-se cada vez mais comum em Meteorologia. No caso de atividade convectiva, utilizando-se dados passados, é possível identificar padrões característicos nas previsões de um modelo ao associá-las aos correspondentes campos de densidade de ocorrência de descargas elétricas atmosféricas nuvem-solo. Isso é feito por um algoritmo de aprendizado de máquina, no caso, um conjunto de redes neurais. Assim, estes padrões podem ser detectados nas futuras previsões geradas pelo modelo, de forma a fazer a predição de ocorrência de descargas, as quais estão associadas à atividade convectiva. Neste trabalho, a abordagem proposta foi aplicada para o modelo BRAMS, um modelo desenvolvido no país e utilizado operacionalmente ou para pesquisa em Meteorologia. Consequentemente, foi analisada a capacidade de predição de ocorrência de descargas pelas redes neurais propostas para um conjunto de eventos e sua utilidade para predição de eventos convectivos como ferramenta auxiliar na previsão de tempo operacional.
%N 3
%9 journal article
%T Prediction of occurrence of cloud-to-ground electrical discharges using forecasts of the brams numerical model
%@electronicmailaddress alex.fernandes@cptec.inpe.br
%@electronicmailaddress
%@electronicmailaddress stephan.stephany@inpe.br
%@electronicmailaddress alan.calheiros@inpe.br
%@nexthigherunit 8JMKD3MGPCW/3ESGTTP
%@nexthigherunit 8JMKD3MGPCW/43SQKNE
%K mineração de dados, descargas elétrica atmosféricas, sistemas convectivos, modelos meteorológicos.
%@group DIDOP-CGCPT-INPE-MCTIC-GOV-BR
%@group
%@group LABAC-COCTE-INPE-MCTIC-GOV-BR
%@group LABAC-COCTE-INPE-MCTIC-GOV-BR
%F lattes: 1446664587151293 3 FernandesLimaStepCalh:2019:PROCCL
%2 sid.inpe.br/plutao/2019/06.10.13.37.18
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%B Revista Mundi Engenharia, Tecnologia e Gestão
%@versiontype publisher
%P 161-1-161-13
%4 sid.inpe.br/plutao/2019/06.10.13.37
%@documentstage not transferred
%D 2019
%V 4
%@doi 10.21575/25254782rmetg2019vol4n3856
%O Setores de Atividade: Administração pública, defesa e seguridade social, Pesquisa e desenvolvimento científico.
%A Fernandes, Alex de Almeida,
%A Lima, Glauston Roberto Teixeira de,
%A Stephany, Stephan,
%A Calheiros, Alan James Peixoto,
%@area MET
%@holdercode {isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}