Please use this identifier to cite or link to this item: http://monografias.ufrn.br/handle/123456789/6633
Title: Combinação de modelos de previsão climática
Authors: Moura, Isabelle
Keywords: Aprendizado de Máquina;Machine Learning;Floresta Aleatória;Random Forest;Máquina de vetores de suporte;Support Vector Machine
Issue Date: 14-Jun-2018
Publisher: Universidade Federal do Rio Grande do Norte
Citation: MOURA, Isabelle Sousa de. Combinação de modelos de previsão climática. 2018. 53 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal, 2018.
Portuguese Abstract: A precipitação é uma das variáveis mais importantes para descrever o clima futuro, pois descreve qualquer tipo de fenômeno relacionado à queda de água do céu. Existem diversos modelos de simulação climática previsão da precipitação hoje. Os modelos adotados neste trabalho serão o BCC-CSM1.1, CCSM4, CESM1, CPC-NOAA, NorESM1-ME e MRI-CGCM3 em três regiões distintas Amazônia, Bacia do Rio da Prata e o Nordeste Brasileiro. São considerados três tipos de cenários diferentes: RCP 4.5, RCP 6.0 e RCP 8.5. Cenários possuem diferentes características em relação às variáveis de emissão de gases, concentração de gases de efeito estufa, e informações de tipo de cobertura terrestre. Estudos anteriores mostram que a combinação entre modelos torna a previsão mais precisa. Devido a isso, foram adotados dois métodos de combinação de modelos, chamados Random Forest e SVM (Support Vector Machine – Máquina de Vetores Suporte). A raíz do erro quadrático médio foi utilizada para a comparação entre os dois métodos, após essa comparação foi observado que os dois métodos conseguem fazer uma previsão aproximada dos valores reais, sendo o Random Forest tendo o menor erro quadrático médio em todos os diferentes tipos de cenários entre as regiões escolhidas.
Abstract: Precipitation is one of the most important variables to describe the future climate, since it describes any type of phenomenon related to the fall of water from the sky. There are several models of climate simulation to forecast precipitation today. The models adopted in this work will be BCC-CSM1.1, CCSM4, CESM1, CPC-NOAA, NorESM1-ME and MRI-CGCM3 in three distinct regions Amazonia, Rio de la Plata Basin and Northeast Brazil. Three different types of scenarios are considered: RCP 4.5, RCP 6.0, and RCP 8.5. These scenarios have different characteristics in relation to the variables of emission of gases, concentration of gases of greenhouse effect, and information of type of terrestrial coverage. Previous studies show that the combination of models makes forecasting more accurate. Due to this, two methods of combining models, Random Forest llamods and Support Vector Machine (SVM) were adopted. Following the mean square error was used for the comparison between the two methods, after this comparison it was observed that the two methods can make an approximate prediction of the real values, with Random Forest having the lowest mean square error in all the different types of scenarios and considered regions.
URI: http://monografias.ufrn.br/jspui/handle/123456789/6633
Other Identifiers: 2014041180
Appears in Collections:Estatística

Files in This Item:
File Description SizeFormat 
PrevisaoClimatica_Moura_2017.pdfMonografia1.17 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.