Busca avançada
Ano de início
Entree

Uma abordagem multitarefa para a predição de precipitações extremas

Processo: 17/19397-9
Modalidade de apoio:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Vigência: 01 de dezembro de 2018 - 31 de maio de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: IBM Brasil
Pesquisador responsável:Fernando José von Zuben
Beneficiário:Fernando José von Zuben
Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Empresa Sede: IBM Brasil - Indústria, Máquinas e Serviços Ltda
Município: CampinasRio de Janeiro
Pesquisadores associados:André Ricardo Gonçalves
Bolsa(s) vinculada(s):18/09887-1 - Uma abordagem multitarefa para a predição de precipitações extremas, BP.MS
Assunto(s):Previsão do tempo  Precipitação atmosférica  Predição  Produção agrícola 
Palavra(s)-Chave do Pesquisador:ensembles | Forecasting | multitask learning | precipitation extremes | Agricultura digital

Resumo

Eventos climáticos anormais, tais como precipitações extremas, estão se tornando mais frequentes, distribuídos e intensos, impondo enormes desafios à sociedade, seja em áreas urbanas ou rurais. Com isso, estamos enfrentando uma demanda crescente por serviços de predição de alto desempenho. De fato, a eficácia de políticas econômicas e de prevenção é diretamente vinculada à nossa capacidade de gerenciar riscos e estimar os impactos associados a eventos extremos. A produtividade agrícola está intimamente relacionada com as condições climáticas, expandindo assim a demanda por sistemas de predição confiáveis. O propósito é evitar perdas expressivas na produção ou mesmo problemas operacionais no transporte e armazenamento. Eventos de chuva intensa tendem a produzir cenários de inundação, responsáveis por comprometer totalmente plantações inteiras em amplas áreas. Excesso de água pode também causar impactos negativos, como transbordamento de reservatórios, anaerobicidade e redução do crescimento das plantas. Modelos de sistemas terrestres (MSTs) se fundamentam em princípios físicos que governam o comportamento do clima, e podem ser empregados para realizar projeções de condições climáticas futuras. Muitos MSTs já foram propostos e suas respostas podem diferir significativamente. Essa é a motivação pela qual pesquisadores usualmente realizam projeções climáticas baseadas em ensembles de MSTs, objetivando mais acurácia e menor incerteza nos resultados. Nesta pesquisa, os ensembles seguirão uma perspectiva de aprendizado multitarefa (AMT), sendo que AMT busca desempenhos de generalização melhores com base no aprendizado simultâneo de tarefas relacionadas. Uma representação estrutural do compartilhamento de informação entre as tarefas será adequadamente explorada visando predições de precipitações extremas que sejam mais robustas e acuradas, também incluindo uma quantização espacial e o emprego de ferramentas estatísticas voltadas para eventos extremos. Esta abordagem de aprendizado multitarefa para ensembles de MSTs já foi aplicada com sucesso para a predição de temperatura e umidade, pelo mesmo grupo de pesquisa que está propondo este projeto, e a intenção é estender a abordagem para precipitações extremas. (AU)

Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o auxílio:
FAPESP e IBM apoiam projetos de agricultura digital  
Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
AYRES, AMANDA O. C.; VON ZUBEN, FERNANDO J.; IEEE. An Improved Version of the Fuzzy Set Based Evolving Modeling with Multitask Learning. 2020 IEEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS (FUZZ-IEEE), v. N/A, p. 8-pg., . (17/19397-9)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.