| Summary: | nÃo hà === Sistemas climatolÃgicos sÃo caracterizados por apresentarem modelagem complexa e de baixa previsibilidade. Em regiÃes de clima semiÃrido, como o Nordeste Brasileiro, informaÃÃes de previsÃo climatolÃgicas sÃo de interesse para um melhor aproveitamento dos recursos hÃdricos. O Estado do CearÃ, localizado no norte do Nordeste Brasileiro, sofre periodicamente com os problemas de estiagem. Atualmente a FundaÃÃo Cearense de Meteorologia e Recursos HÃdricos (FUNCEME), ÃrgÃo pertencente ao governo do Estado do CearÃ, à responsÃvel por gerar pesquisas voltadas a trazer um melhor entendimento fenomenolÃgico do clima do Estado e com isso efetuar uma melhor previsÃo de como serà o perÃodo de chuvas. Hoje a FundaÃÃo utiliza-se de modelagem numÃrica composta por dois modelos regionais, Modelo Regional Espectral 97 (MRE) e o Regional Modeling Atmospheric System (RAMS), aninhados por uma tÃcnica de downscaling ao modelo dinÃmico de grande escala ECHAM4.5, para efetuar suas previsÃes. Os modelos dinÃmicos sÃo caracterizados por apresentarem elevado custo computacional, grande quantidade de dados para sua entrada e alta complexidade na utilizaÃÃo. O desenvolvimento de modelos de previsÃo baseados em Redes Neurais Artificias (RNA) abrange diversas Ãreas do conhecimento e tem apresentado resultados promissores. Modelos baseados em redes neurais sÃo capazes de reproduzir deferentes tipos de sistemas atravÃs da sua capacidade de aprendizado. Nesta dissertaÃÃo foi desenvolvido um modelo de previsÃo de chuvas para as oito regiÃes homogÃneas do Estado do CearÃ, que apresenta um baixo custo computacional e de fÃcil utilizaÃÃo. Para atingir este desenvolvimento foi utilizada uma RNA baseada na tÃcnica Neo-Fuzzy Neuron (NFN). Apesar de ser proposto um novo modelo de previsÃo, nÃo se deseja a substituiÃÃo dos atuais modelos, o novo modelo proposto nesta dissertaÃÃo tem por finalidade enriquecer as informaÃÃes geradas atravÃs de modelos de previsÃo para que assim possa ser gerada uma melhor prediÃÃo de como serà o perÃodo de chuvas no Estado do CearÃ. O modelo proposto foi comparado ao modelo MRE que à atualmente utilizado pela FUNCEME para suas previsÃes. Nesta comparaÃÃo utilizou-se como indicadores de desempenho: tempo de execuÃÃo, valor da raiz quadrada do erro mÃdio quadrÃtico (REMQ) e a correlaÃÃo com os valores observados. Ao final pode-se concluir que o modelo desenvolvido apresentou um melhor desempenho com menor tempo de processamento em relaÃÃo ao modelo dinÃmico MRE para efetuar a previsÃo de chuvas. === Climatological systems are characterized by complex modeling and having low predictability. In semi-arid regions, as the Brazilian Northeast, weather forecast information are necessary for the maintenance of life and a better use of water resources. The State of CearÃ, located on the north of Brazilian Northeast, is a region that suffers with drought for a long time. The FundaÃÃo Cearense de Meteorologia e Recursos HÃdricos (FUNCEME), which belongs to the state government, is responsible for generating research to bring a better phenomenological understanding on the weather of the State of Cearà and thus make a better prediction on how the rainy season will be. Today the foundation makes use of numerical modeling consisting of two regional models, the Regional Spectral Model (RSM) and the Regional Modeling Atmospheric System (RAMS), nested by a downscaling technique to the large scale dynamic model ECHAM4.5, in order to do its predictions. Dynamic models are characterized by their high computational costs, large amounts of information on its input and high complexity usage. The development of forecasting models based on Artificial Neural Networks (ANN) covers various areas of knowledge showing promising results. Neural network based models are capable of reproducing different types of systems through its learning capability. In this thesis it was developed a model for predicting rain for the eight homogeneous regions of the state of Cearà that presents low computational cost and easy use. In order to achieve this development it was used an ANN base on a Neo-Fuzzy Neuron (NFN) technique. Despite being offered a new prediction model, this thesis aims to enrich the information generated by forecast models and do a better prediction on the rainy season of the State of CearÃ. The proposed model was compared to the RSM model that is currently in use by FUNCEME in its predictions. In this comparison, as performance indicators, it was used: the execution time, value of the root mean square error (RMSE) and the correlation with the observed values. At the end, it is concluded that the proposed model had a better performance and was faster than the RSM dynamic model in its predictions.
|
|---|
