• Entrar
    Ver item 
    •   Página inicial
    • BIBLIOTECA DIGITAL: Teses & Dissertações
    • 40001016075P3 Programa de Pós-Graduação em Engenharia Ambiental
    • Dissertações
    • Ver item
    •   Página inicial
    • BIBLIOTECA DIGITAL: Teses & Dissertações
    • 40001016075P3 Programa de Pós-Graduação em Engenharia Ambiental
    • Dissertações
    • Ver item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Estimativa da altura da camada limite atmosférica com uso de redes neurais artificiais

    Thumbnail
    Visualizar/Abrir
    R - D - ISABELA GODOY CABRAL.pdf (5.109Mb)
    Data
    2015
    Autor
    Cabral, Isabela Godoy
    Metadata
    Mostrar registro completo
    Resumo
    Resumo: A altura da camada limite atmosférica (h) é um parâmetro fundamental em modelagem atmosférica, sendo a dimensão vertical do domínio em modelos de dispersão de poluentes na atmosfera. As relações entre parâmetros meteorológicos e características da superfície é apenas parcialmente conhecida, implicando em dificuldades na obtenção dessa variável. Nesse trabalho empregamos uma rede neural artificial do tipo multilayer perceptron, com algoritmo de treinamento backpropagation, para a estimativa de h a partir de dados de superfície, obtidos em estações meteorológicas. A base de dados para treinamento foi desenvolvida para esse trabalho, a partir de perfis de propriedades obtidos por radiossondagens e disponibilzados pelo Stratosphere-troposphere Processes and their Role in Climate (SPARC). Foram testadas diversas combinações de dados de entrada, incluindo também parâmetros meteorológicos de altitude. A melhor configuração empregando apenas dados de superfície obteve bons resultados, com IOA = 0:9432 e r = 0:9017, sendo indicada sua aplicação para estimativa de h em localidades onde não estejam disponíveis informações de perfis de propriedades atmosféricas.
     
    Abstract: The Boundary layer height (h) is considered a fundamental parameter for atmospheric modeling and it is the vertical extension of models domain for pollutants dispersion. Despite its importance, the relations for obtaining h are still only partially understood, limiting the quality of models results. In this work we present the use of a multilayer perceptron artificial neural network for estimating h, applying surface parameters obtained in ground based meteorological stations. The network was trained using a backpropagation algorithm, and it was tested for many different combinations of input data. For that, we needed to develop a hole data base from radiosounding profiles, which were available in the SPARC's (Stratosphere-troposphere Processes and their Role in Climate) website. The best combination showed IOA = 0:9432 and r = 0:9017. Therefore, operation of an artificial neural network is recommended for estimating h when meteorological parameters profiles are not available.
     
    URI
    https://hdl.handle.net/1884/42085
    Collections
    • Dissertações [80]

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV
     

     

    Navegar

    Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosTipoEsta coleçãoPor data do documentoAutoresTítulosAssuntosTipo

    Minha conta

    EntrarCadastro

    Estatística

    Ver as estatísticas de uso

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV