ASSIMILAÇÃO DE DADOS POR REDES NEURAIS EM AUSÊNCIA PARCIAL DE OBSERVAÇÕES
Previsão numérica do tempo (PNT) usa modelos atmosféricos de circulação geral (MACG) para prever condições futuras da atmosfera. O processo de PNT é realizado inserindo dados de observação ao modelo computacional para calcular as condições iniciais - também chamado de análise. Tal procedimento é chamado de assimilação de dados (AD). Várias técnicas tem
sido desenvolvidas para AD. Filtro de Kalman por conjunto (ensemble), métodos variacionais e filtro de partículas são exemplos de técnicas de AD usadas em centros operacionais de PNT. Entretanto, tais metodologias requerem grande esforço computacional. Aqui, um conjunto de redes neurais artificiais (RNA) - perceptron de multicamadas com aprendizado por retro-propagação - é configurado para emular o Local Ensemble Transform Kalman Filter (LETKF) aplicado ao modelo global 3D SPEEDY (Simplified Parameterizations PrimitivE-Equation DYnamics). A novidade é calcular a análise por RNA quando algumas observações não estão disponíveis em algum ciclo de AD ou em vários ciclos. Uma comparação entre as análises produzidas por LETKF e RNA é realizada.
ASSIMILAÇÃO DE DADOS POR REDES NEURAIS EM AUSÊNCIA PARCIAL DE OBSERVAÇÕES
-
DOI: 10.22533/at.ed.4302130092
-
Palavras-chave: Assimilação de dados, modelo atmosférico, rede neural artificial, filtro de Kalman por conjunto.
-
Keywords: Data assimilation, atmospheric model, artificial neural network, ensemble Kalman filter
-
Abstract:
Numerical weather prediction (NWP) uses atmospheric general circulation models (AGCMs) to predict the weather future conditions. The process is done inserting observation data into computer model to compute initial conditions – also named "analysis". Such feature is called data assimilation (DA). Several techniques have been developed for DA. Ensemble Kalman filter, particle filter, variational scheme, are examples of DA methods used in the operational NWP centers. However, such methodologies require a high computational effort. Here, a set of artificial neural networks (ANNs) - multi-layer perceptron with back propagation learning { is configured to emulate the Local Ensemble Transform Kalman Filter (LETKF) applied to the SPEEDY model. The novelty is to perform the analysis by ANN when some observations are missing in a DA cycle, or several cycles. A comparison between analysis produced by the LETKF and ANN is carried out. The numerical experiment was done at January 1985.
-
Número de páginas: 15
- Haroldo Fraga de Campos Velho
- Rosangela Saher Corrêa Cintra
