Uso de redes neurais artificiais para previsão das flutuações do nível do mar em Cananéia, São Paulo, Brasil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMarone, Eduardo-
Autor(es): dc.contributorFaller, Daiane Gracieli-
Autor(es): dc.contributorUniversidade Federal do Paraná. Centro de Estudos do Mar. Curso de Graduação em Oceanografia-
Autor(es): dc.creatorBorato, Luana, 1996--
Data de aceite: dc.date.accessioned2019-08-22T00:18:59Z-
Data de disponibilização: dc.date.available2019-08-22T00:18:59Z-
Data de envio: dc.date.issued2019-08-09-
Data de envio: dc.date.issued2019-08-09-
Data de envio: dc.date.issued2018-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/62346-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/62346-
Descrição: dc.descriptionOrientadora : Daiane Gracieli Faller-
Descrição: dc.descriptionOrientador: Eduardo Marone-
Descrição: dc.descriptionMonografia (graduação) - Universidade Federal do Paraná, Setor Reitoria, Curso de Graduação em Oceanografia-
Descrição: dc.descriptionInclui referências-
Descrição: dc.descriptionAs flutuações do nível relativo do mar representam um dos maiores impactos na dinâmica da zona costeira, em particular, em função das mudanças climáticas. Nesse cenário, previsões robustas da maré meteorológica e ressacas são importantes para a resiliência e adaptação dessas áreas e das pessoas que vivem e dependem desse ambiente. Neste trabalho, foi testado um modelo numérico baseado em redes neurais artificiais (RNA), com o objetivo de avaliar diferentes arquiteturas de rede e métodos de treinamento de uma RNA de múltiplas camadas (multilayer percetron – MLP) através de simulações para prever uma série histórica (hindcast) de maré meteorológica na região de Cananéia (São Paulo). O processamento dos dados envolveu a extração da maré astronômica usando o filtro de Godin (1972), o cálculo das componentes e da tensão de cisalhamento do vento e, a interpolação de dados faltantes na série de dados meteorológicos. A RNA-MLP foi treinada usando uma série temporal de quatro anos (2003-2006), com os dados de maré da região de Cananéia (São Paulo) e os dados meteorológicos de duas fontes distintas: estação meteorológica de Pontal do Sul (Paraná) e de reanálise disponibilizados pelo National Centers for Environmental Prediction (NCEP) Climate Forecast System Reanalysis (CFSR). Para o treinamento das redes, além de diferentes arquiteturas também foram testados três algoritmos de treinamento: gradiente descendente, gradiente descendente com aprendizado adaptativo e Levenberg-Marquardt. A comparação entre as séries previstas e observadas foi feita através do coeficiente de correlação (R), da raiz quadrada do erro quadrático médio (RMSE) e do erro médio absoluto (MAE). Dentre os 23328 testes realizados, a melhor arquitetura de rede obteve R igual à 0,96, RMSE igual à 0,11 cm e MAE igual à 8,32 cm. O método de treinamento que apresentou melhor desempenho foi o de Levenberg-Marquadt seguido do método do gradiente descendente com aprendizado adaptativo. O modelo mais satisfatório desenvolvido nesse trabalho apresentou uma melhora de 9,3% na previsão do nível do mar quanto comparado ao método harmônico.-
Formato: dc.format85f. : Il., maps., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Título: dc.titleUso de redes neurais artificiais para previsão das flutuações do nível do mar em Cananéia, São Paulo, Brasil-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.