Tamanho da fonte: 

Este trabalho apresenta uma aplicação da técnica de Aprendizagem de Máquina conhecida como Support Vector Regression(SVR) para a previsão de Condição de Tempo Severo em Sistemas Convectivos de Mesoescala(SCM). Os SCMs estão, em geral, associados a Eventos de Tempo Severo (ETS), causando prejuízos materiais e humanos. No entanto, as condições específicas para que um SCM venha a possuir um ETS ainda não são totalmente conhecidas. A fim de prever um ETS a partir da coleta de dados de sensoriamento remoto de um SCM, utilizamos o SVR com diversas combinações de parâmetros. Os dados utilizados como entrada do modelo, vetor de características, é constituído de dados coletados do radar de dupla polarização pertencente ao Sistema Meteorológico do Paraná (SIMEPAR) e dados de Descargas Elétricas Atmosféricas (DEA) cedidos pela Earth Networks Total Lightning Network(ENTLN). Após o treinamento obteve-se um modelo de regressão com erro de regressão e generalização inferiores a 0,82. Após aplicado aos dados de estudo, foi verificado que dados classificados como possíveis ETS são aqueles em que a saida do modelo é igual ou superior a 0,76.

Reconhecimento de Padrões; Support Vector Regression; Nowcasting; Radar Meteorológico; Descargas Elétricas Atmosféricas