Identificação de evento de tempo severo utilizando técnicas de aprendizagem de máquina em dados de radar polarimétrico

Abstract

Resumo: Análises e estudos meteorológicos permitem realizar previsões sobre o tempo e antever eventos severos como chuva intensa, tempestades elétricas e tornados. Radares meteorológicos têm a característica de possibilitar a previsão de eventos severos à curtissímo prazo, sendo possível identificar e monitorar tempestades severas. Este trabalho apresenta uma aplicação das técnicas de Aprendizagem de Máquina Support Vector Machine (SVM) e Multilayer Perceptron (MLP) para a previsão de Evento de Tempo Severo (ETS). O vetor de características, utilizado para informar os dados de entrada do modelo, é constituído de dados coletados do radar de dupla polarização pertencente ao Sistema Meteorológico do Paraná (SIMEPAR). Os dados de Descargas Elétricas Atmosféricas (DEA) são utilizados para análise dos resultados obtidos, cedidos pela Earth Networks Total Lightning Network (ENTLN). Após o treinamento obteve-se modelos que podem servir de apoio à decisão em alertas de ETS no estado do Paraná. O modelo obtido por SVM se mostrou superior ao obtido por MLP, identificando 93,02% dos ETSs estudados e com 67,84% do total de regiões identificadas confirmadas por DEA, se tornando uma possível ferramenta de apoio à decisão. Palavras-chave: Radar Polarimétrico; Nowcasting; Support Vector Machine; Multilayer Perceptron; Descargas Elétricas Atmosféricas; Aprendizagem de Máquina.

Abstract: Analyzes and meteorological studies make possible to forecast weather and anticipate severe events such as heavy rain, electrical storms and tornadoes. Meteorological radars have the characteristic of making possible to predict severe events in the short term, alows to identify and monitor severe storms. This paper presents an application of the Machine Learning techniques for the Severe Weather Event (ETS) prediction. These techniques are:Support Vector Machine (SVM) and Multilayer Perceptron (MLP). The data used as input of the model, characteristic vector, consists of data collected from the double polarization radar belonging to the Paraná Meteorological System (SIMEPAR). The data of Atmospheric Electric Discharges (DEA) are used to analyze the results obtained, provided by Earth Networks Total Lightning Network (ENTLN). After the training, were obtained models that can serve as support for the decision on ETS alerts in the state of Paraná. The model obtained by SVM was superior to that obtained by MLP, identifying 93,02 % of the ETSs studied and 67.84 % of the total number of identified regions confirmed by DEA, becoming a possible decision support tool. Key-words: Polarimetric Radar; Nowcasting; Support Vector Machine; Multilayer Perceptron; Atmospheric Electric Discharges; Machine Learning.