Fechar

1. Identificação
Tipo de ReferênciaCapítulo de Livro (Book Section)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/43T9DRB
Repositóriosid.inpe.br/mtc-m21c/2021/01.05.14.39   (acesso restrito)
Última Atualização2021:01.05.14.39.32 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2021/01.05.14.39.32
Última Atualização dos Metadados2022:04.04.04.50.15 (UTC) administrator
Chave SecundáriaINPE--/
DOI10.1007/978-3-030-53669-5_18
ISBN978-303053668-8
Chave de CitaçãoAnochiTorrCamp:2021:ClPrPr
TítuloClimate precipitation prediction with uncertainty quantification by self-configuring neural network
Ano2021
Data de Acesso31 out. 2024
Tipo SecundárioPRE LI
Número de Arquivos1
Tamanho2328 KiB
2. Contextualização
Autor1 Anochi, Juliana Aparecida
2 Torres, Reynier Hernández
3 Campos Velho, Haroldo Fraga de
Identificador de Curriculo1
2
3 8JMKD3MGP5W/3C9JHC3
Grupo1 DIPTC-CGCT-INPE-MCTI-GOV-BR
2 DIPE1-COGPI-INPE-MCTI-GOV-BR
3 COPDT-CGIP-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 juliana.anochi@inpe.br
2 reynier.torres@inpe.br
3 haroldo.camposvelho@inpe.br
EditorCursi, J. E. S.
Título do LivroProceedings of the 5th International Symposium on Uncertainty Quantification and Stochastic Modelling
Editora (Publisher)Springer
Páginas242-253
Histórico (UTC)2021-01-05 14:39:32 :: simone -> administrator ::
2022-04-04 04:50:15 :: administrator -> simone :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveNeural network · Precipitation climate prediction · MPCA metaheuristic
ResumoArtificial neural networks have been employed on many applications. Good results have been obtained by using neural network for the precipitation climate prediction to the Brazil. The input are some meteorological variables, as wind components for several levels, air temperature, and former precipitation. The neural network is automatically configured, by solving an optimization problem with Multi-Particle Collision Algorithm (MPCA) metaheuristic. However, it is necessary to address, beyond the prediction the uncertainty associated to the prediction. This paper is focused on two-fold. Firstly, to produce a monthly prediction for precipitation by neural network. Secondly, the neural network output is also designed to estimate the uncertainty related to neural prediction.
ÁreaMET
Arranjo 1urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Climate precipitation prediction...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Climate precipitation prediction...
Arranjo 3urlib.net > BDMCI > Fonds > Produção a partir de 2021 > COGPI > Climate precipitation prediction...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 05/01/2021 11:39 1.8 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvoanochi_climate.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/46KUATE
8JMKD3MGPCW/46KUES5
8JMKD3MGPCW/46L2FGP
DivulgaçãoBNDEPOSITOLEGAL
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber city copyholder copyright creatorhistory descriptionlevel documentstage e-mailaddress edition format issn label lineage mark mirrorrepository nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarydate secondarymark serieseditor seriestitle session shorttitle sponsor subject tertiarymark tertiarytype translator url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar