Clasificación de mediciones de radar meteorológico.
En este trabajo se presentan técnicas de procesamiento de señales de radar con aplicaciones especicas para la obtención de productos de un radar doppler polarimétrico y su utilización para la clasicación de fenómenos meteorológicos. El objetivo de un radar meteorológico es medir las característic...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2016
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/587/1/1Moreno_Morrone.pdf |
| Aporte de: |
| Sumario: | En este trabajo se presentan técnicas de procesamiento de señales de radar con aplicaciones
especicas para la obtención de productos de un radar doppler polarimétrico
y su utilización para la clasicación de fenómenos meteorológicos.
El objetivo de un radar meteorológico es medir las características de fenómenos atmosf
éricos. Los productos polarimétricos son sensibles a tipos, formas, tamaños, estado
de agregación, entre otras características de los hidrometeoros, lo que permite que estos
productos sean útiles para la clasificación entre distintos tipos de fenómenos.
Se implementa un procesador de datos nivel 1 del RMA0 ubicado en San Carlos de
Bariloche para la obtención de los productos polarimétricos. Se muestran los resultados
obtenidos comparándolos con los datos nivel 2 obtenidos por el RMA0, concluyendo
que los resultados son similares a los obtenidos por el radar.
Luego se mencionan aspectos básicos del aprendizaje automático (machine learning),
introduciendo el concepto de red neuronal feedforward multicapa para su uso en
problemas de clasificación. Se comentan problemas que surgen al momento de elegir
un modelo adecuado para clasificar datos.
Se presentan los pasos que se siguieron para elegir los datos(ejemplos) para entrenar
un clasificador. Por último se muestra la implementación de 4 redes neuronales con
modelos y/o datos elegidos mediante diferentes técnicas, para la clasificación entre
lluvia y nieve, utilizando datos nivel 2 obtenidos por el RMA0, correspondientes a
varios barridos de 2 días por fenómeno
Se concluye que tomar datos de más de un día es un factor importante. Se obtienen
errores de clasificación entre 6;8% y 8% en barridos enteros de los días utilizados. |
|---|