OTIMIZAÇÃO NO PROCESSO DE ASSIMILAÇÃO DE DADOS UTILIZANDO REDES NEURAIS ARTIFICIAIS
Assimilação de dados. Local ensemble transform Kalman filter. Redes neurais artificiais. Redes neurais recorrentes. Multilayer perceptron. Long short-term memory.
Este projeto apresenta uma proposta para otimizar o processo de assimilação de dados para
previsão numérica do tempo através da substituição do Local Ensemble Transform Kalman
Filter (LETKF) utilizando conjuntos de Redes Neurais Artificiais do tipo Multilayer
Perceptron e Redes Neurais Recorrentes do tipo Long Short-Term Memory. Os métodos de
assimilação serão testados utilizando o modelo de previsão de tempo Simplified
Parametrization, primitivE-Equation DYnamics – SPEEDY – que é um modelo de circulação
geral (General Circulation Model – GCM). As previsões serão geradas sobre uma área de 25
km² sobre a cidade de Santarém, Pará para o período de 01 de janeiro de 2011 á 31 de
dezembro de 2013. As variáveis de previsão resultantes desse modelo são: temperatura
absoluta (T), pressão de superfície (ps), componente do vento zonal (u), componente do vento
meridional (v) e umidade específica (q). Os resultados da assimilação gerados pelas redes
neurais serão comparados com a assimilação de dados provenientes do método clássico
LETKF através do Root Mean Square Error e tempos de execução.