Modelos baseados em redes neurais para o estudo de padrões climáticos sazonais a partir de dados tratados com a teoria dos conjuntos aproximativos

• Main Author: Juliana Aparecida Anochi
• Other Authors: José Demisio Simões da Silva
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais 2010
• Online Access: http://urlib.net/sid.inpe.br/mtc-m19/2010/08.25.12.26

Esta dissertação trata do uso de redes neurais artificiais na derivação de modelos de previsão climatológica da variável precipitação, a partir de dados de reanálise processados por um método de mineração de dados baseado na Teoria dos Conjuntos Aproximativos, para gerar reduções de dados, com o objetivo de sintonizar os modelos de redes neurais artificiais para a previsão sazonal de precipitação, a partir de um conjunto de dados reduzidos, considerando a hipótese de que algumas variáveis são mais relevantes para o processo de previsão climática e que uma técnica de mineração de dados pode identificar estas variáveis. Os resultados obtidos com os processamentos propostos mostraram a eficácia da metodologia, apresentando estimativas de previsão similares às situações climatológicas consideradas como observações disponíveis na base de dados. === This dissertation deals with the use of artificial neural networks in the derivation of climatological predictive models of the variable precipitation from reanalysis data processed by a data mining method based on Rough Sets Theory to generate reductions of data, with the goal to tune the models of artificial neural networks to forecast seasonal rainfall, from a reduced data set, considering the hypothesis that some variables are drivers for the process of weather forecasting and that a data mining technique may identify these variables. The results obtained in the conducted experiments show the effectiveness of the proposed methodology, presenting estimates similar to climatological situations considered as available observations in the database.