Utilização de Redes Neurais Convolucionais Recorrentes na previsão meteorológica de curto prazo (nowcasting) utilizando imagens de radar da cidade de Chapecó-SC

Felipe Copceski Rossatto, Fabricio Pereira Härter, Elcio Hideiti Shiguemori, Leonardo Calvetti
{"title":"Utilização de Redes Neurais Convolucionais Recorrentes na previsão meteorológica de curto prazo (nowcasting) utilizando imagens de radar da cidade de Chapecó-SC","authors":"Felipe Copceski Rossatto, Fabricio Pereira Härter, Elcio Hideiti Shiguemori, Leonardo Calvetti","doi":"10.14808/sci.plena.2023.119907","DOIUrl":null,"url":null,"abstract":"Neste trabalho, propõe-se uma nova abordagem computacional que faz uso de Redes Neurais Convolucionais Recorrentes, na qual imagens de radar meteorológico são utilizadas para a previsão de propagação e intensidade de tempestades com até 3h de antecedência, conhecida como nowcasting. Para tal, utilizou-se imagens do radar meteorológico localizado na cidade de Chapecó-SC. Esses dados são públicos e estão disponíveis no site do Instituto de Pesquisas Espaciais do Brasil (INPE). Para isso, é proposta a avaliação do emprego de uma rede neural convolucional recorrente de aprendizagem espaço temporal chamada PredRNN++. Os resultados foram validados através de estudos de casos de tempestades ocorridas na região de cobertura do radar utilizado. Para avaliar a performance da rede neural, além de uma análise visual dos resultados, foram utilizadas as métricas RMSE e SSIM. Os resultados mostram que a PredRNN++ foi capaz de simular o formato e local onde ocorreu o sistema meteorológico.","PeriodicalId":22090,"journal":{"name":"Scientia Plena","volume":"9 5","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Scientia Plena","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14808/sci.plena.2023.119907","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Neste trabalho, propõe-se uma nova abordagem computacional que faz uso de Redes Neurais Convolucionais Recorrentes, na qual imagens de radar meteorológico são utilizadas para a previsão de propagação e intensidade de tempestades com até 3h de antecedência, conhecida como nowcasting. Para tal, utilizou-se imagens do radar meteorológico localizado na cidade de Chapecó-SC. Esses dados são públicos e estão disponíveis no site do Instituto de Pesquisas Espaciais do Brasil (INPE). Para isso, é proposta a avaliação do emprego de uma rede neural convolucional recorrente de aprendizagem espaço temporal chamada PredRNN++. Os resultados foram validados através de estudos de casos de tempestades ocorridas na região de cobertura do radar utilizado. Para avaliar a performance da rede neural, além de uma análise visual dos resultados, foram utilizadas as métricas RMSE e SSIM. Os resultados mostram que a PredRNN++ foi capaz de simular o formato e local onde ocorreu o sistema meteorológico.
利用查佩科城(南卡罗来纳州)的雷达图像在短期天气预报(现预报)中使用递归卷积神经网络
本文利用递归卷积神经网络提出了一种新的计算方法,即利用天气雷达图像提前 3 小时预测风暴的扩散和强度,也就是所谓的预报。为此,我们使用了位于南卡罗来纳州查佩科市的气象雷达图像。这些数据是公开的,可在巴西空间研究所(INPE)的网站上查阅。为此,对使用一种名为 PredRNN++ 的具有时空学习功能的递归卷积神经网络进行了评估。通过对所使用雷达覆盖区域内发生的风暴进行案例研究,对结果进行了验证。为了评估神经网络的性能,除了对结果进行直观分析外,还使用了 RMSE 和 SSIM 指标。结果表明,PredRNN++ 能够模拟气象系统的形状和位置。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信