Governo Federal

Dados do Trabalhos de Conclusão

UNIVERSIDADE FEDERAL DO PARANÁ
MÉTODOS NUMÉRICOS EM ENGENHARIA (40001016030P0)
EMPREGO DE REDES NEURAIS ARTIFICIAIS RBF NA PREVISÃO DE NEVOEIRO NO AEROPORTO INTERNACIONAL AFONSO PENA
MARIA CAROLINA MARTINS PEREIRA
DISSERTAÇÃO
31/08/2016

Restrições de visibilidade severas causadas por nevoeiros são um grande empecilho à aviação, pois podem causar atrasos ou cancelamentos de voos, além de trazerem grandes riscos às operações aéreas. O Aeroporto Internacional Afonso Pena, localizado na cidade de São José dos Pinhais, no estado do Paraná, é o aeródromo brasileiro que mais sofre com estes fenômenos meteorológicos, passando, em média 400 horas por ano impedido de realizar pousos e decolagens. O fenômeno meteorológico nevoeiro caracteriza-se como uma formação densa de gotículas de água, restringindo a visibilidade horizontal a menos de 1000 metros. A previsão do fenômeno nevoeiro desafia meteorologistas ao redor do mundo, pois sua formação, duração e extinção estão entre as previsões meteorológicas mais difíceis de serem realizadas com eficácia. Redes Neurais Artificiais (RNA) são ferramentas computacionais inspiradas no funcionamento do sistema nervoso humano, capazes de identificar padrões e aprender através da experiência. Das diversas configurações existentes, as RNA de Função de Base Radial são especialmente capazes de realizar classificações. Esta configuração de RNA foi adotada para este trabalho por apresentar esta característica. Esta pesquisa objetiva verificar a eficácia do emprego de RNAs na previsão categórica do fenômeno nevoeiro para até três horas, bem como detectar quais as variáveis meteorológicas influenciam mais significativamente na eficácia da previsão. Para tanto, foram utilizadas três RNAs, uma para cada hora de previsão, treinadas independentemente a partir de dados meteorológicos coletados na Estação Meteorológica de Superfície e na Estação Meteorológica de Altitude localizadas no Aeroporto Afonso Pena. A amostra de dados completa compreende o período dos anos de 1997 a 2014. A partir destes dados foi possível realizar uma análise sobre a persistência do fenômeno, bem como realizar estudo climatológico sobre o comportamento das diversas variáveis meteorológicas quando na ocorrência do nevoeiro, a fim de compreender melhor a gênese do evento, e também no intuito de estabelecer um modelo conceitual que auxilie na sua previsão. Além disso, o viii desempenho destas técnicas de previsão foi comparado ao desempenho da técnica de previsão através de redes neurais, a fim de averiguar-se a eficácia desta última. As RNAs utilizadas para a previsão do fenômeno passaram por diversas fases de treinamento, até se chegar às configurações ótimas, cujos dados de entrada são séries temporais com quatro horas, apenas de dados de visibilidade, e a camada intermediária dispõe de dois neurônios ocultos. A técnica de previsão através de climatologia apresentou razão de falso alarme em torno de 96%, superestimando a ocorrência do fenômeno, aproximadamente, seis vezes; a técnica de previsão através de persistência apresentou índices de desempenho bastante próximos aos apresentados pelas redes neurais; no entanto, a técnica de previsão de nevoeiros através do uso de RNAs alcançou a maior probabilidade de detecção, indicando o desempenho superior desta técnica na previsão do fenômeno nevoeiro para o Aeroporto Afonso Pena.

Restrições;de visibilidade severas
Severe visibility restrictions caused by fog are a major impediment to aviation since they may cause flight delays or cancellations, in addition to bringing serious risks to air operations. The Afonso Pena International Airport, located in the city of São José dos Pinhais, in the state of Paraná, is the Brazilian airport most affected by this weather phenomenon, being, on average, 405,5 hours per year prevented from performing landings and takeoffs. The meteorological phenomenon fog is characterized by a dense formation of water droplets which restricts horizontal visibility to less than 1.000 meters. Fog forecasts challenge meteorologists around the world and its duration and termination are among the most difficult weather forecasts to be effectively made. Artificial Neural Networks (ANN) are computer tools inspired by the functioning of the human nervous system that are able to identify patterns and learn from experience. Among the various existing configurations, the Radial Basis Functions ANNs are especially suitable to perform pattern classification. Such a type of ANN was used in this work due to that characteristic. The major goal of this research is to verify the effectiveness of the use of ANNs in categorical forecast of fog for up to three hours ahead, as well as to detect which meteorological variables have more significant influence on its formation process. For that, three ANNs were used, one for each forecast hour. Each of these ANNs were independently trained with meteorological data collected from the Surface and Upper Air Meteorological Stations located at the Afonso Pena Airport. The full data sample covers the period between 1997 and 2014. From these data, it was possible to perform an analysis of the persistence of the phenomenon as well as a climatological study on the behavior of the several meteorological variables involved in fog occurrence. Those analyses allowed a better understanding of the genesis of the event and the establishment of a conceptual model that helps to forecast the phenomenon. In addition, the performance of such forecast techniques was compared to the performance of x the forecast technique through neural networks in order to investigate the effectiveness of the latter. The ANNs used for the forecasts went through several training stages until reaching the optimal configurations, whose input data are four-hour time series of visibility data only, and the intermediate layer has two hidden neurons. The forecast technique through climatology had a false-alarm rate of 96%, overestimating the occurrence of the phenomenon about six times; the forecast technique through persistence had performance indices very close to those showed by the neural networks; however, the fog forecast technique with the use of ANNs reached the highest detection probability, indicating the superior performance of this technique in the forecast of the fog phenomenon for the Afonso Pena Airport.
Severe visibility restrictions
01
108
PORTUGUES
UNIVERSIDADE FEDERAL DO PARANÁ

Contexto

MECÂNICA COMPUTACIONAL
DINÂMICA DOS FLUIDOS COMPUTACIONAL
FENÔMENO DE TRANSPORTE

Banca Examinadora

RICARDO CARVALHO DE ALMEIDA
Sim
Nome Categoria
REINALDO BOMFIM DA SILVEIRA Participante Externo
EMILIO GRACILIANO FERREIRA MERCURI Docente

Vínculo

Servidor Público
Empresa Pública ou Estatal
Empresas
Sim