Filtragem adaptativa no domínio da frequência aplicada à redução de erros de previsão climática

• Ano de defesa: 2018
• Autor(a) principal: Pinto, Leandro Ferreira Gentile
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; BR; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic engineering; Climate change; Signal processing; Adaptive filters, DCT-2D, Algorithm RLS, Climatic forecasts.; Algorithm RLS; Climatic forecasts; Engenharia eletrônica; Mudanças climáticas; Processamento de sinais; Filtros adaptativos; DCT-2D; Algoritmo RLS; Previsões climáticas; CNPQ::ENGENHARIAS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/11876

Este trabalho apresenta os resultados sobre o emprego de filtros adaptativos no domínio da frequência. Isso é feito utilizando o algoritmo RLS (Recursive Least Squares) e a DCT (Discrete Cosine Transform) bidimensional, respectivamente, com o objetivo de reduzir desvios em previsões climáticas. As diferenças entre as variáveis climáticas observadas na atmosfera e as previstas por um modelo numérico tendem a aumentar com o tempo da integração, devido a erros e simplificações nas equações. O modelo atmosférico regional Eta é utilizado pelo CPTEC/INPE para cálculos de previsão numérica climática, que contém erros. Esta dissertação adota o uso da filtragem adaptativa e técnicas de processamento digital de sinais e imagens para reduzir os erros das previsões climáticas do modelo Eta, de modo a aprimorar essas previsões. Os erros são calculados a partir dos dados das reanálises do NCEP. As variáveis climáticas utilizadas neste trabalho são as componentes zonal e meridional do vento, altura geopotencial e umidade específica, analisadas em vinte níveis de pressão atmosférica e na resolução espacial de 40 km. Os resultados experimentais indicam que os filtros adaptativos de ordem (N = 4) conseguem reduzir os erros de previsão, que são avaliados usando o erro quadrático médio e o erro máximo.