Nome da Atividade
ASSIMILAÇÃO DE DADOS METEOROLÓGICOS
CÓDIGO
19610035
Carga Horária
60 horas
Tipo de Atividade
DISCIPLINA
Periodicidade
Semestral
Unidade responsável
CRÉDITOS
4
CARGA HORÁRIA TEÓRICA
2
CARGA HORÁRIA EXERCÍCIOS
1
CARGA HORÁRIA PRÁTICA
1
CARGA HORÁRIA OBRIGATÓRIA
4
FREQUÊNCIA APROVAÇÃO
75%

Ementa

Introdução, Cobertura de Dados, Abordagem Seqüêncial e Variacional, Mínimos Quadrados, Filtros de Kalman, Métodos Variacionais, Introdução as Redes Neurais Artificiais

Objectives

Objetivo Geral:

Apresentar conceitos sobre assimilação de dados e estudar técnicas baseadas em filtragem de Kalman e métodos variacionais.

Conteúdo Programático

UNIDADE 1: INTRODUÇÃO
1.1 Problema de valor inicial
1.2 Definições

UNIDADE 2: COBERTURA DE DADOS
2.1 A rede mundial de observação de dados Meteorológicos
2.2 A evolução da qualidade da previsão numérica do tempo

UNIDADE 3: ABORDAGEM SEQÜÊNCIAL E VARIACIONAL
3.1 Equação de inovação
3.2 Equação de correção
3.3 Equação de análise

UNIDADE 4: MÍNIMOS QUADRADOS
4.1 Mínimos quadrados para o caso escalar
4.2 Interpolação ótima
4.3 Extrapolação dos mínimos quadrados para aplicações de grande dimensão

UNIDADE 5: FILTROS DE KALMAN
5.1 Operador de observações
5.2 Matriz de covariância
5.3 Ganho de Kalman

CAPÍTULO 6: MÉTODOS VARIACIONAIS
6.1 Função custo
6.2 Minimização da função custo
6.3 Modelo adjunto
6.4 Modelo tangente linear

CAPÍTULO 7: INTRODUÇÃO AS REDES NEURAIS ARTIFICIAIS (RNA)
7.1 Aplicações de RNA
7.2 Neurônio biológico e neurônio artificial
7.3 Arquitetura das redes neurais
7.4 Funcionamento das redes neurais
7.5 Função de ativação
7.6 Paradigmas e algoritmos de aprendizagem
7.7 Exemplos e limitações de RNA

Bibliografia

Bibliografia Básica:

  • ECMWF Meteorological Training Course Lecture Notes – Disponível e . Acesso em 11 mar 2013.
  • HOLTON, J. R. An Introduction to Dynamic Meteorology. 4. ed. Burlington: Elsevier, 2004. 535 p. (International geophysics series. v. 88) ISBN 0123540151.
  • KALNAY, E. Atmospheric Modeling, Data Assimilation and Predictability, Cambridge: Cambridge University Press, 2006 e 2011. 341 p. ISBN 0521796296 e ISBN 9780521796293.

Bibliografia Complementar:

  • Eugênia Kalnay Home Page. Disponível em . Acesso em 19 Abril 2018.
  • HÄRTER, F. P. Redes Neurais Recorrentes Aplicadas a Assimilação de Dados em Dinâmica Não-Linear. 2004. 138f. Tese (Doutorado em Computação Aplicada) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos. Disponível em: http://mtc-m16b.sid.inpe.br/col/sid.inpe.br/jeferson/2005/03.09.14.05/doc/publicacao.pdf . Acesso em 19 Abril 2018.
  • MIYOSHI, T. Ensemble Kalman filter experiments with a primitive-equation global model. Ph.D. dissertation, University of Maryland, College Park, 2005. 197pp. Disponível em: < http://drum.lib.umd.edu//handle/1903/3046 >. Acesso em: 19 Abril 2018.
  • PRESS, W. H; TEUKOLSKY, S. A.; VETTERLING, W. T; FLANNERY, B. P. Numerical Recipes Third Edition , 1256 pp. Cambridge University Press. ISBN-10: 0521880688, 2007.
  • RABIER, F.; JÄRVINEN, H.; KLINKER, E., MAHFOUF, J.F., SIMMONS, A. The ECMWF operational implementation of four-dimensional variational assimilation. I: Experimental results with simplified physics. Quarterly Journal of the Royal Meteorological Society. DOI: 10.1002/qj.49712656415, 2007.
  • EVENSEN, G. Data Assimilation, The Ensemble Kalman Filter, 2.ed. Norway: Springer. 2009. 330p. ISBN 3642037100.

Page generated on 2024-11-22 17:39:22 (query took 0.124139s)