PREDIÇÃO DE OCORRÊNCIA DE DESCARGAS ELÉTRICAS NUVEM-SOLO

Abstract

A predição de ocorrência de eventos convectivos severos permite a emissão dealertas meteorológicos, possibilitando a mitigação de diversas catástrofes em potencial. Em muitos casos, os modelos numéricos de previsão do tempo não conseguem simular de forma eficiente esse tipo de eventos. Em contrapartida, dado o grande volume e diversidade de dados meteorológicos, a aplicação de técnicas de mineração de dados torna-se cada vez mais comum em Meteorologia. No caso de atividade convectiva, utilizando-se dados passados, é possível identificar padrões característicos nas previsões de um modelo ao associá-las aos correspondentes campos de densidade de ocorrência de descargas elétricas atmosféricas nuvem-solo por meio de um algoritmo de aprendizado de máquina, no caso, um conjunto de redes neurais. Assim, estes padrões podem ser detectados nas futuras previsões geradas pelo modelo, de forma a fazer a predição de ocorrência de descargas, as quais estão associadas a atividade convectiva. Neste trabalho, a abordagem proposta foi aplicada para o modelo BRAMS, sendo analisada a capacidade de predição de ocorrência de descargas pelas redes neurais propostas para um conjunto de eventos e sua utilidade para predição de eventos convectivos como ferramenta auxiliar na previsão de tempo operacional.