Close
Metadata

1. Identity statement
Reference TypeConference Paper (Conference Proceedings)
Sitemtc-m21d.sid.inpe.br
Holder Codeisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identifier8JMKD3MGP3W34T/45PLTT8
Repositorysid.inpe.br/mtc-m21d/2021/11.11.18.46
Last Update2023:12.28.17.43.49 (UTC) simone
Metadata Repositorysid.inpe.br/mtc-m21d/2021/11.11.18.46.52
Metadata Last Update2023:12.28.17.43.51 (UTC) simone
Secondary KeyINPE--PRE/
Citation KeyGarcia:2021:ExTéAp
TitleExplorando técnicas de aprendizado de máquina para aprimoramento da previsão de geadas no Sul e Sudeste do Brasil
Year2021
Access Date2024, May 19
Secondary TypePRE CN
Number of Files1
Size5925 KiB
2. Context
AuthorGarcia, José Roberto Motta
Resume Identifier8JMKD3MGP5W/3C9JHJD
GroupDIMNT-CGCT-INPE-MCTI-GOV-BR
AffiliationInstituto Nacional de Pesquisas Espaciais (INPE)
Author e-Mail Addressgarcia.cptec@gmail.com
Conference NameCongresso Brasileiro de Agroinformática (SIBIAGRO), 13
Date10-12 nov.
History (UTC)2021-11-11 18:47:02 :: simone -> administrator :: 2021
2022-04-03 22:29:02 :: administrator -> simone :: 2021
3. Content and structure
Is the master or a copy?is the master
Content Stagecompleted
Transferable1
Content TypeExternal Contribution
Version Typepublisher
AbstractThe CPTEC/INPE operational frost forecast is based on an index established from the weighted variation of meteorological variables from a weather forecasting model, which is compared to the operationally predicted values. Constant improvement of these forecasts is necessary to mitigate the economic and social damage caused by frosts. The objective of this work is to identify a methodology based on machine learning that surpasses the current prediction system. Therefore, this exploratory research applied different combinations between three algorithms, varying their parameterizations and the set of predictor variables from meteorological station data in southern and southeastern Brazil. Preliminary tests on 24-hour forecasts show that performance surpasses the current method, signaling that the search for the most suitable methodology should be continued. Resumo. A previsão operacional de geadas do CPTEC/INPE é baseada em um índice estabelecido a partir da variação ponderada das variáveis meteorológicas de um modelo de previsão de tempo, que é comparado aos valores previstos operacionalmente. Um constante aprimoramento dessas previsões visando mitigar danos econômicos e sociais decorrentes de geadas se faz necessária. O propósito deste trabalho é identificar uma metodologia baseada em aprendizado de máquina que supere o desempenho do sistema de previsão atual. Para tanto, esta pesquisa exploratória aplicou diferentes combinações entre três algoritmos, variando suas parametrizações e o conjunto de variáveis preditoras de dados de estações meteorológicas do sul e sudeste do Brasil. Testes preliminares em previsões de 24h mostram que o desempenho supera o método atual, sinalizando que o processo de busca da metodologia mais adequada deve ser continuada.
AreaMET
Arrangementurlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Explorando técnicas de...
doc Directory Contentaccess
source Directory Contentthere are no files
agreement Directory Content
agreement.html 11/11/2021 15:46 1.0 KiB 
4. Conditions of access and use
data URLhttp://urlib.net/ibi/8JMKD3MGP3W34T/45PLTT8
zipped data URLhttp://urlib.net/zip/8JMKD3MGP3W34T/45PLTT8
Languagept
Target Filegarcia_explorando.pdf
User Groupsimone
Reader Groupadministrator
simone
Visibilityshown
Update Permissionnot transferred
5. Allied materials
Next Higher Units8JMKD3MGPCW/46KUATE
Citing Item Listsid.inpe.br/mtc-m21/2012/07.13.14.52.32 1
Host Collectionurlib.net/www/2021/06.04.03.40
6. Notes
Empty Fieldsarchivingpolicy archivist booktitle callnumber conferencelocation copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn keywords label lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url volume
7. Description control
e-Mail (login)simone
update 


Close