Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16c.sid.inpe.br
Identificador8JMKD3MGPDW34P/487MF52
Repositóriosid.inpe.br/mtc-m16c/2022/12.16.17.06
Última Atualização2022:12.16.17.06.50 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m16c/2022/12.16.17.06.50
Última Atualização dos Metadados2023:01.30.13.07.45 (UTC) administrator
ISSN2179-4847
Chave de CitaçãoJorgeQuilCostSant:2022:CoLSNe
TítuloA convolutional LSTM neural network for precipitation nowcasting based on weather radar data
FormatoOn-line.
Ano2022
Data de Acesso18 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho637 KiB
2. Contextualização
Autor1 Jorge, Aurelienne Aparecida Souza
2 Quiles, Marcos
3 Costa, Izabelly Carvalho da
4 Santos, Leonardo B. L.
Grupo1 DIPTC-CGCT-INPE-MCTI-GOV-BR
2
3 DIPTC-CGCT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Universidade Federal de São Paulo (UNIFESP)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Centro Nacional de Monitoramento e Alerta de Desastres Naturais (CEMADEN)
Endereço de e-Mail do Autor1 aurelienne.jorge@inpe.br
2 quiles@gmail.com
3 izabelly.costa@inpe.br
4 santoslbl@gmail.com
EditorRosim, Sergio (INPE)
Santos, Leonardo Bacelar Lima (CEMADEN)
Pereira, Marconi de Arruda (UFSJ)
Nome do EventoSimpósio Brasileiro de Geoinformática, 23 (GEOINFO)
Localização do EventoOn-line
Data28 a 30 nov. 2022
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroAnais
Tipo TerciárioShort paper
Histórico (UTC)2022-12-16 17:07:48 :: simone -> administrator :: 2022
2023-01-30 13:07:45 :: administrator -> simone :: 2022
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
ResumoDue to the high instability of the atmosphere, it is a challenging task to forecast precipitation events in the very short term. Artificial Neural Networks have been recently employed in this context as an alternative to solve prediction problems. This work proposes a convolutional LSTM neural network based on weather radar images (spatial data) to forecast rainfall events, whatever the precipitation intensity is. The preliminary results show better performance when comparing the network prediction error with a persistence model.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > A convolutional LSTM...
Arranjo 2urlib.net > BDMCI > Fonds > GEOINFO > XXIII GEOINFO > A convolutional LSTM...
Arranjo 3urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > XXIII GEOINFO > A convolutional LSTM...
Arranjo 4urlib.net > BDMCI > Fonds > GEOINFO > Coleção GEOINFO > A convolutional LSTM...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGPDW34P/487MF52
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPDW34P/487MF52
Idiomaen
Arquivo Alvo384-388_Jorge_convolutional.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/46KUATE
8JMKD3MGPDW34P/4888LHB
8JMKD3MGPDW34P/48F29JE
Lista de Itens Citandosid.inpe.br/mtc-m16c/2022/12.19.22.45 3
sid.inpe.br/bibdigital/2022/04.03.22.23 1
Acervo Hospedeirosid.inpe.br/mtc-m18@80/2008/03.17.15.17
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination documentstage doi e-mailaddress edition holdercode isbn keywords label lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar