Classificação de hidrometeoros em radares meteorológicos utilizando redes neurais artificiais

Abstract

Resumo: As condições meteorológicas afetam diretamente diversos setores das atividades humanas, tornando a previsão da ocorrência de hidrometeoros um importante recurso. Uma das ferramentas de sensoriamento remoto que fornecem informações sobre as condições meteorológicas são os radares meteorológicos, porém somente os radares de dupla polarização fazem a classificação de hidrometeoros, de modo que devem ser usadas técnicas alternativas para fazer essa classificação nas áreas monitoradas por radares de polarização simples. O objetivo deste trabalho é aplicar técnicas de redes neurais artificiais para fazer a classificação de hidrometeoros a partir de dados de radares de polarização simples utilizando como base a classificação fornecida por radares de dupla polarização com área de cobertura comum. Foram aplicadas a rede Perceptron Multicamadas, MLP, a rede Long Short-Term Memory, LSTM, bem como a técnica de rede neural híbrida, que trata-se da junção de técnicas de rede autoorganizadas com rede de aprendizagem supervisionada. Como métrica para avaliar o resultado utilizou-se a acurácia, ou seja, a porcentagem de alvos que a rede classificou corretamente tendo como parâmetro a classificação fornecida pelos radares de dupla polarização utilizados. A segunda técnica gerou melhores resultados, sendo que a acurácia média da execução da rede híbrida no conjunto de teste foi de até 76,99%, enquanto a melhor acurácia obtida sem o agrupamento foi de 74,21%. Isto porque a rede k-means, utilizada como a rede auto-organizada da técnica híbrida, identificou as semelhanças entre os dados formando agrupamentos que potencializaram o desempenho das redes MLP e LSTM. A inclusão das variáveis polarimétricas como estímulos para as redes também melhorou seus resultados, gerando uma acurácia média de até 95,69% para o conjunto de teste. Esta inclusão, na execução da rede, só foi possível a partir da aproximação dessas variáveis por uma rede MLP, uma vez que os dados da região monitorada somente por radar de polarização simples não incluem tais valores. Palavras-chaves: Classificação de hidrometeoros, Radar Meteorológico, Redes Neurais Artificiais, Rede Neural Híbrida.

Abstract: Meteorological conditions directly affect several sectors of human activities, making the prediction of hydrometeors an important resource. One of the remote sensing tools that provide information on weather conditions is weather radar, but only dual polarization radars classify hydrometeors, so alternative techniques should be used to make this classification in areas monitored by polarization radars. simple. The objective of this work is to apply artificial neural network techniques to classify hydrometeors from simple polarization radar data using the classification provided by dual polarization radars with common coverage area as a basis. The Multilayer Perceptron network, MLP, the Long Short-Term Memory network, LSTM, as well as the hybrid neural network technique, which is the combination of self-organized network techniques with supervised learning network, were applied. As a metric to evaluate the result, accuracy was used, that is, the percentage of targets that the network correctly classified using as parameter the classification provided by the dual polarization radars used. The second technique generated better results, with the average accuracy of the hybrid network execution in the test set being up to 76.99%, while the best accuracy obtained without the cluster was 74.21%. This is because the k-means network, used as the self-organized network of the hybrid technique, identified the similarities between the data forming clusters that enhanced the performance of the MLP and LSTM networks. The inclusion of polarimetric variables as stimuli for the networks also improved their results, generating an average accuracy of up to 95.69 % for the test set. This inclusion, in the execution of the network, was only possible from the approximation of these variables by an MLP network, since the data of the region monitored only by simple polarization radar do not include such values. Key-words: Hydrometeor classification, Weather Radar, Artificial Neural Networks, Hybrid Neural Network.