Nilza Barros da Silva
Título
Aplicação de Métodos Estatísticos e Redes Neurais no Pós-Processamento de Produtos de Previsão Numérica de Tempo
Resumo
As saídas do modelo numérico HRM (High resolution Reginal Model) e as observações de três estações meteorológicas de superfície foram utilizadas no desenvolvimento de redes neurais e regressões para previsões de ocorrência de vento forte e visibilidade restrita. As redes e as equações foram desenvolvidas de tal forma que fossem capazes de prever os eventos de forma independente. As amostras para as três estações costeiras ficaram limitadas em função do período de configuração do modelo numérico e pelo fato de apresentarem registros das observações de vento e visibilidade somente em quatro horários (00Z, 06Z, 12Z e 18Z). Foram empregadas várias medidas de verificação para comparar os resultados da rede neural com o MOS (Model Output Statistics) e com as previsões de vento do modelo numérico. Foram desenvolvidas redes neurais e regressões para diferentes configurações das amostras de dados nas três estações estudadas. As variáveis preditoras foram obtidas com uso de componentes principais ou selecionadas por screening regression. Verificou-se que os dois métodos de pós-processamento apresentam melhor desempenho que o modelo numérico apenas na previsão dos eventos de interesse, e que a rede neural apresenta maior acurácia e confiabilidade do que o MOS. Observou-se também que a melhora obtida pelo pós-processamento depende da localização da estação.
Abstract
Output from HRM (High resolution Regional Model) numerical prediction model and surfaces observations from three stations were used to develop neural networks and statistical regressions for predicting high speed wind and low visibility events. The neural networks and regression equations were developed to predict visibility or high speed wind independently. The data sample was limited by the numerical model configuration and because the surface observations were available only four times a day (00Z, 06Z, 12Z e 18Z). Some performance measures were applied to compare the neural network, MOS (Model Output Statistics) and HRM predictions with observational data. Neural networks and regressions were developed with different data set configurations for each of the three stations. Principal Components or Screening Regression was employed to select the predictors variables. It was found that both post-processing methodologies produce forecasts that outperform the original numerical prediction forecasts and that the neural networks predictions present more accuracy and reliability than MOS. The extent of the improvement depends on the station location.
