Recuperação de perfis de temperatura e umidade da atmosfera a partir de dados de satélite - abordagens por redes neurais artificiais e implementação em hardware
| Autor: | Elcio Hideiti Shiguemori |
|---|---|
| Jazyk: | portugalština |
| Rok vydání: | 2007 |
| Zdroj: | Biblioteca Digital de Teses e Dissertações do INPEInstituto Nacional de Pesquisas EspaciaisINPE. |
| Druh dokumentu: | Doctoral Thesis |
| Popis: | Esta tese aborda o uso de redes neurais na solu¸cao do problema inverso para recuperar perfis verticais de temperatura e umidade da atmosfera a partir de dados de sat´elites. As redes neurais artificiais sao apresentadas como m´etodos alternativos na recupera¸cao de dados atmosf´ericos, problemas estes considerados mal-postos que requerem t´ecnicas num´ericas avan¸cadas, como regulariza¸cao, quando resolvidos por m´etodos cl´assicos. Sao estudadas diferentes redes neurais, a rede Perceptron de Camadas M´ultiplas com aprendizagem por retropropaga¸cao do erro, a rede Fun¸coes de Base Radial, a rede de Hopfield, al´em de uma varia¸cao da rede Fun¸coes de Base Radial, com dados de diferentes sensores e regioes do planeta. A an´alise de desempenho dos modelos de redes ´e feita apresentando-se dados nao usados no treinamento, adicionando-se ru´ýdo gaussiano e dados reais medidos por sat´elites. Os perfis verticais de temperatura obtidos pela t´ecnica sao pr´oximos aos obtidos por medidas de radiossondagem e comparados com resultados obtidos pelo m´etodo cl´assico de solu¸cao de problemas inversos, a regulariza¸cao. ´E realizada uma implementa¸cao num dispositivo l´ogico program´avel possibilitando que a estima¸cao dos dados atmosf´ericos seja realizada em tempo-real e embarcada em sat´elites. This thesis presents Artificial Neural Networks for inverse problem solution to recover atmospheric temperature and moisture profiles from satellite data. The Artificial Neural Networks are presented as alternative methods in the solution of inverse problems in the atmospheric data retrieval, considered ill-posed problems and requiring advanced numerical techniques to solve them, e. g. regularization methods, when solving by classic methods. Different neural networks are studied, the MultiLayer Perceptron, Radial Basis Function, Hopfield neural networks, and also a variation of the Radial Basis Function. Different kinds of atmospheric sensors of different satellites, and also tested with Global and Brazil data. The analysis of neural networks models is done presenting the data not used in training phase, adding gaussian noise and satellite data. The temperature and moisture profiles obtained by the neural networks are near of radiosonde measurements and are compared with the ones obtained by classic method of inverse problem solution, the regularization method. A hardware implementation in programmable logic device is done and the real-time and on-board atmospheric temperature and moisture retrieval are enable. |
| Databáze: | Networked Digital Library of Theses & Dissertations |
| Externí odkaz: |
|