Previsão de Condição de Tempo Severo em Sistemas Convectivos de Mesoescala utilizando Support Vector Regression
Resumo
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.