Busca avançada
Ano de início
Entree

Uma abordagem multitarefa para a predição de precipitações extremas

Processo: 18/09887-1
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de junho de 2018
Vigência (Término): 30 de setembro de 2019
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:Nicole Santos e Aguiar
Instituição-sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas, SP, Brasil
Vinculado ao auxílio:17/19397-9 - Uma abordagem multitarefa para a predição de precipitações extremas, AP.PITE
Assunto(s):Aprendizado computacional

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)

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.