Reconhecimento do Padrão Pluvial na cidade de Presidente Prudente - SP através de rede neural artificial

• Ano de defesa: 2015
• Autor(a) principal: Oikawa, Ronaldo Toshiaki
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Oeste Paulista; Ciências Ambientais; BR; UNOESTE; Mestrado em Meio Ambiente e Desenvolvimento Regional
• Palavras-chave em Português: Reconhecimento de padrão da chuva; Redes neurais artificiais; Máquina de vetor de suporte; Recognition of rainfall; Backpropagation; Support Vector Machine; CNPQ::
• Link de acesso: http://bdtd.unoeste.br:8080/tede/handle/tede/491

As Redes Neurais Artificiais são modelos matemáticos não lineares que se assemelham ao cérebro humano, e esta capacidade de aprender foi aplicada no reconhecimento de padrões da chuva na cidade de Presidente Prudente, localizada na região do Pontal do Paranapanema. Através desses cálculos foi possível indicar uma forma alternativa de se reconhecer o padrão da precipitação da chuva. O presente trabalho utilizou dois algoritmos com aprendizagem supervisionada, sendo o primeiro a Rede de Múltipla Camada de Retro Propagação, com 23 neurônios e com uma, duas e três camadas ocultas, já o segundo, a Máquina de Vetor de Suporte (SVM) utilizou o núcleo polinomial, função de base radial e hiper tangente. O conjunto de dados analisados compreende o período de Janeiro de 1996 até Maio de 2012, sendo obtidos do Centro de Previsão de Tempo e Estudos Climáticos (CPTEC). Os resultados demonstraram que a pressão atmosférica, direção do vento, temperatura mínima e umidade relativa do ar são os parâmetros que estão mais relacionados à precipitação da chuva. O modelo SVM, com núcleo função de base radial, utilizando o parâmetro sigma=0,1 obteve os melhores resultados, apresentando o coeficiente Kappa (resposta), igual a 0,675 para o grupo de teste um, 0,746 para o grupo de teste dois e 0,826 para o grupo de teste três. Estes resultados demonstram a robustez do conjunto de dados e permitiram atingir altos índices de acerto no reconhecimento da precipitação da chuva.