Implementação de algoritmo de inteligência artificial com banco de dados orientado para aplicação em hidroclimatologia

• Processo: 21/02769-6
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2021
• Data de Término da vigência: 31 de março de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Meteorologia
• Acordo de Cooperação: CONFAP - Conselho Nacional das Fundações Estaduais de Amparo à Pesquisa
• Pesquisador responsável: Humberto Ribeiro da Rocha
• Beneficiário: Nelson Leonardo Vidaurre Navarrete
• Instituição Sede: Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 19/23853-5 - Riscos e oportunidades regionais de mudanças do uso da terra e das mudanças climáticas aos serviços ecossistêmicos hídrico-climáticos: investigação para bacias na Caatinga e na Mata Atlântica do Sudeste, AP.R
• Assunto(s): Hidroclimatologia Banco de dados Redes neurais (computação) Inteligência artificial Algoritmos
• Palavra(s)-Chave do Pesquisador: Banco de dados | Dados sistema terrestre | Hidroclimatologia | Hidroclimatologia

Resumo

Este plano de trabalho visa a implementação de algoritmo de inteligência artificial com banco de dados orientado para aplicação em hidroclimatologia. A arquitetura deverá estabelecer ferramentas básicas de organização de processos para manipulação de grandes quantidades de dados em múltiplas dimensões, construídas sobre um módulo Xarray Python. A consolidação será em Python Keras, uma biblioteca de rede neural de código aberto em Python, desenhada para permitir experimentação rápida com redes neurais profundas. Será constituirá uma API (Application Programming Interface) segundo um conjunto de rotinas para acesso ao aplicativo de plataforma de métodos estatísticos baseado na Web, que viabilizará o treinamento das redes neurais e outros métodos em estruturas multi-dimensionais. O banco de dados será consolidado partir da descrição de informação física, critérios de controle de qualidade dos dados brutos, e construção de metadatas e scripts de leitura dos dados processados, produtos de saídas de modelos numéricos do sistema climático, sensoriamento remoto e informações de redes meteorológicas de superfície. O produto final será informações climáticas escalonadas para alta resolução espacial (50 m). (AU)