Banca de QUALIFICAÇÃO: RICARDO BRUNO DE ARAÚJO TENÓRIO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : RICARDO BRUNO DE ARAÚJO TENÓRIO
DATA : 20/03/2019
HORA: 08:30
LOCAL: Auditório do CCET
TÍTULO:

Modelagem de gelo marinho com Deep Learning na região Antártica


PALAVRAS-CHAVES:

Aprendizado de máquina. Long-Short Term Memmory. Concentração de Gelo Marinho. Oceano Austral.


PÁGINAS: 54
RESUMO:

O gelo marinho, cobrindo aproximadamente 7% da superfície dos oceanos da Terra, é um componente climático fundamental para se estudar o clima nas regiões polares, principalmente, por funcionar como uma barreira natural — fina camada flutuante — na interface oceano-atmosfera que restringe as trocas de calor, massa e momentum entre o mar e a atmosfera, além de  refletir grande parte da radiação solar incidente. As observações por satélites, desde os anos 1970, indicam um Ártico com gelo marinho cada vez mais fino e mais jovem, acompanhado por um declínio em sua extensão. Enquanto que algumas áreas da Antártica (e.g. Mar de Ross e Mar de Weddell) têm apresentado um ligeiro aumento na extensão desta componente climática para o mesmo período. Contrastando com essas observações estão as simulações dos Modelos Climáticos Globais (GCMs, do inglês Global Climatic Models), que apresentam uma média de decréscimo na extensão do gelo para ambos os hemisférios.  Neste contexto esta pesquisa tem como objetivo geral desenvolver um modelo bidimensional de concentração do gelo marinho que seja capaz de simular o acréscimo observado dessa variável em dados reais na Antártica. Este modelo está sendo desenvolvido com a utilização de Deep Learning (ou Redes Neurais Profundas) com a arquitetura Long-Short Term Memmory (LSTM). Os dados utilizados como previsores e alvo, para o treinamento das Redes Neurais Artificiais, pertencem às bases de dados do Era-Interim (para o período de 1979 - 2014) e da fase 6 do Coupled Model Intercomparison Project (CMIP6, 1850 - 2014 e 2015 - 2100).  Os primeiros testes realizados, para o Mar de Weddell, apresentaram um bom desempenho para simulações mensais e sazonais do modelo para 2018, sendo os melhores resultados obtidos no inverno austral com Erro Quadrático Médio de (0.006 +/- 0.090) %. Os mapas com as  linhas de gelo exibiram também resultados promissores havendo, por exemplo, superposição destas curvas (real e simulado) no verão austral de 2018, período que apresentou anomalia negativa de concentração em relação à média de 1981-2010.


MEMBROS DA BANCA:
Presidente - 1808127 - JOSE HENRIQUE FERNANDEZ
Interno - 1858120 - DAVID MENDES
Interno - 2411669 - JONATHAN MOTA DA SILVA
Externo ao Programa - 2276514 - MARCIO MACHADO CINTRA
Notícia cadastrada em: 12/03/2019 10:37
SIGAA | Superintendência de Informática - (84) 3215-3148 | Copyright © 2006-2019 - UFRN - sigaa04-producao.info.ufrn.br.sigaa04-producao