Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/36857
Full metadata record
DC FieldValueLanguage
dc.creatorSoares, Augusto Carvalho-
dc.date.accessioned2023-01-31T12:26:15Z-
dc.date.available2023-01-31T12:26:15Z-
dc.date.issued2022-12-22-
dc.identifier.citationSOARES, Augusto Carvalho. Análise de séries temporais com uso de redes neurais artificiais em dados meteorológicos para previsão de chuva e eventos climáticos severos. 2022. 112 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://dx.doi.org/10.14393/ufu.di.2022.680.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/36857-
dc.description.abstractWeather forecasting and climate prediction have become some of the most useful resources in the modern world. Global warming is a serious problem. The Climatological Normals in Brazil are changing in a worrying way. A recent INMET report (2022) brings studies of changes in the last 20 years, showing an increase of 1.6° Celsius in the average temperature. Long-term projections point to a scenario in which ecosystems and production chains may collapse. These changes can already be seen in the increasing occurrence of severe weather events. It is essential to know in advance when such events will occur in order to better face their consequences. The mitigation of natural disasters can be achieved through the anticipation of climatic conditions and the previous warning to the population by the authorities before an imminent severe event. Science searches for new and accurate methods for correct weather forecasting, some proposed solutions indicate the use of ANNs for classification, however, there is still little known about regression tasks for non-traditional forecasting methods. This work proposes the application of regressive ANNs for the task of rainfall volume forecasting. The models were submitted to a battery of tests in “brute force” style, to find their best parameters. The results obtained were 80% and 81% of correct for LSTM and MLP ANNs respectively, proving the hypothesis that weather forecasting is possible using AI and ANNs.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/us/*
dc.subjectSéries Temporaispt_BR
dc.subjectRedes Neurais Artificiaispt_BR
dc.subjectPrevisãopt_BR
dc.subjectChuvapt_BR
dc.subjectTime Seriespt_BR
dc.subjectArtificial Neural Networkspt_BR
dc.subjectLSTMpt_BR
dc.subjectWeatherpt_BR
dc.subjectForecastingpt_BR
dc.titleAnálise de séries temporais com uso de redes neurais artificiais em dados meteorológicos para previsão de chuva e eventos climáticos severospt_BR
dc.title.alternativeTime series analysis using artificial neural networks in meteorological data for prediction of rainfall and severe weather eventspt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Amaral, Laurence Rodrigues do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6978567037098928pt_BR
dc.contributor.referee1Silva, Flávio de Oliveira-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3190608911887258pt_BR
dc.contributor.referee2Santos, Edimilson Batista dos-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3711618829552343pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5661625085571322pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoA previsão do tempo e o prognóstico do clima se tornaram alguns dos mais úteis recursos do mundo moderno. O aquecimento global é um problema grave. As Normais Climatológicas no Brasil estão mudando de maneira preocupante. Relatório recente do INMET (2022) traz os estudos de alterações nos últimos 20 anos, mostrando uma elevação de 1,6° Celsius na temperatura média. Projeções a longo prazo, apontam para um cenário em que pode haver colapso de ecossistemas e cadeias produtivas. Estas mudanças já podem ser percebidas na crescente ocorrência de eventos climáticos severos. É imprescindível saber antecipadamente quando da ocorrência de tais eventos para melhor enfrentar suas consequências. A mitigação de desastres naturais pode ser alcançada através da antevisão das condições climáticas e o prévio aviso à população pelas autoridades ante a um eminente evento severo. A ciência busca por novos e precisos métodos para a correta previsão do tempo, algumas soluções propostas indicam o uso de RNAs para a classificação, contudo, pouco ainda se tem nas tarefas de regressão por métodos de previsão não tradicionais. Este trabalho propõe a aplicação de RNAs regressivas para a tarefa de previsão do volume de chuva. Os modelos foram submetidos a uma bateria de testes no estilo “força bruta” para encontrar seus melhores parâmetros. Os resultados obtidos foram de 80% e 81% de acerto para LSTM e MLP respectivamente, comprovando a hipótese de ser possível a previsão do tempo pelo uso de IA e RNAs.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computaçãopt_BR
dc.sizeorduration112pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.identifier.doihttps://doi.org/10.14393/ufu.di.2022.680pt_BR
dc.orcid.putcode127794438-
dc.crossref.doibatchid433cbc70-25f2-40dd-afb5-ee4d7fefccc7-
dc.subject.autorizadoComputaçãopt_BR
dc.subject.autorizadoRedes neurais (Computação)pt_BR
dc.subject.autorizadoInstrumentos meteorológicospt_BR
dc.subject.autorizadoChuvas - Frequência da intensidadept_BR
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
AnaliseSeriesTemporais.pdfDissertação12.89 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons