Busca avançada
Ano de início
Entree

Physics-informed machine learning aplicado para previsões de condições metoceânicas

Processo: 20/16746-5
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de março de 2021
Vigência (Término): 29 de fevereiro de 2024
Área do conhecimento:Engenharias - Engenharia Elétrica
Convênio/Acordo: IBM Brasil
Pesquisador responsável:Eduardo Aoun Tannuri
Beneficiário:Felipe Marino Moreno
Instituição-sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Empresa:Universidade de São Paulo (USP). Centro de Inovação da USP (INOVA)
Vinculado ao auxílio:19/07665-4 - Centro de Inteligência Artificial, AP.PCPE
Assunto(s):Aprendizado computacional   Aprendizagem profunda   Algoritmos   Simulação numérica   Navegação marítima   Circulação oceânica   Previsão climatológica   Zona costeira   Brasil

Resumo

Operações marítimas são extremamente afetadas pelas condições ambientais metoceânicas (vento, ondas e correntes), necessitando portanto de previsões precisas dessas condições para fins de planejamento. Simulações numéricas, baseadas nas equações físicas do fluído, são frequentemente empregadas para se prever essas condições metoceânicas, porém sua acurácia é limitada pela quantia e qualidade das informações disponíveis sobre as condições de contorno e forçantes. Uma abordagem para melhorar essas previsões é combinar o modelo físico com aprendizado de máquina (essa abordagem é conhecida como Physics-Informed Machine Learning - PILM), aproveitando a capacidade de reconhecimento de padrões dos algoritmos de aprendizado de máquina enquanto se obtém uma previsão fisicamente consistente. Esse trabalho visa aplicar PILM para melhorar as previsões de condições metoceânicas em regiões costeiras importantes do Brasil. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)