MODELAGEM DA MARÉ METEOROLÓGICA UTILIZANDO REDES NEURAIS ARTIFICIAIS:
UMA APLICAÇÃO PARA A BAÍA DE PARANAGUÁ – PR,
PARTE 2: DADOS METEOROLÓGICOS DE REANÁLISE DO NCEP/NCAR
MARILIA MITIDIERI F. DE OLIVEIRA
1, NELSON FRANCISCO F. EBECKEN
1,
ISIMAR DE A. SANTOS
2, CLAUDIO F. NEVES
3, LUIZ P. CALOBA
4e
JORGE LUIZ F. DE OLIVEIRA
51
Universidade Federal do Rio de Janeiro, COPPE/Programa de Engenharia Civil
E-mail: mariliamitidieri@globo.com
2
Universidade Federal do Rio de Janeiro, IGEO/UFRJ/Departamento de Meteorologia
3Universidade Federal do Rio de Janeiro, COPPE/Programa de Engenharia Costeira
4Universidade Federal do Rio de Janeiro, COPPE/UFRJ/Programa de Engenharia Elétrica
5
8QLYHUVLGDGH)HGHUDO)OXPLQHQVH,*(28))'HSDUWDPHQWRGH*HRJUD¿D
Recebido Maio 2005 - Aceito Março 2006
RESUMO
A variabilidade do nível do mar observado e a maré meteorológica na Baía de Paranaguá-PR foram DQDOLVDGDVQHVWHWUDEDOKRFRPRVGDGRVPDUHJUi¿FRVXWLOL]DGRVQD3DUWHHRVGDGRVPHWHRUROyJLFRV de reanálise do “National Centers for Environmental Prediction” (NCEP) e do “National Center Atmospheric Research” (NCAR) pontos de grade no oceano, próximos ao local de estudo, referentes ao mesmo período. As componentes de alta freqüência contidas nos dados de reanálise foram UHWLUDGDVFRPR¿OWURSDVVDEDL[DGH7KRPSVRQGHVFULWRQD3DUWHDGDSWDGRSDUDLQWHUYDORVGH KRUDV$QDOLVRXVHDVLQÀXrQFLDVGDVYDULiYHLVPHWHRUROyJLFDVPDLVUHPRWDVQDVVREUHHOHYDo}HVH DEDL[DPHQWRVGRQtYHOGRPDUREVHUYDGRXWLOL]DQGRGDGRVGHUHDQiOLVHGHSUHVVmRHYHQWR&RQIRUPH descrito na Parte 1, as séries foram analisadas, estatisticamente, no domínio do tempo e da freqüência. $VpULHPDUHJUi¿FD¿OWUDGDGH&DQDQpLD63XWLOL]DGDSDUDYHUL¿FDUDH[LVWrQFLDGHFRUUHODomRFRPD VpULHGH3DUDQDJXiFRQ¿UPRXRVHVWXGRVGH0HVTXLWDSDUDROLWRUDO6XGHVWH(VVDFRUUHODomR IRLYHUL¿FDGDGHYLGRjSUR[LPLGDGHGDHVWDomRGH&DQDQpLDDRSRQWRGHJUDGHUHODWLYRjSUHVVmR$ 5HGH1HXUDO$UWL¿FLDO51$GHVHQYROYLGDQD3DUWHIRLHQWmRXWLOL]DGDFRPRVGDGRVGHUHDQiOLVH PDQWHQGRVHDPHVPDDUTXLWHWXUDGHUHGHFRPDVPi[LPDVFRUUHODo}HVHQWUHDVYDULiYHLVGHHQWUDGD HVDtGDDMXVWDQGRVHRVSDUkPHWURVGHWD[DGHDSUHQGL]DGRHPRPHQWRSDUDDOFDQoDURPHOKRU GHVHPSHQKR2VUHVXOWDGRVREWLGRVFRPDPEDVDVIRQWHVGHGDGRVIRUDPFRPSDUDGRVHDH¿FLrQFLD GDUHGHIRLVHPHOKDQWHj3DUWHSDUDDVVLPXODo}HVGHKHK3DUDDVVLPXODo}HVGHKHK RVUHVXOWDGRVIRUDPLQIHULRUHVFRPRRVHQFRQWUDGRVSDUDDHVWDomRGHVXSHUItFLHVXJHULQGRWDPEpP RGHVHQYROYLPHQWRGHRXWUDVDUTXLWHWXUDVGHUHGHYLVDQGRPHOKRUDUDVSUHYLV}HVSDUDSHUtRGRV PDLRUHV2VUHVXOWDGRVREWLGRVFRPRVGDGRVGHUHDQiOLVHVXJHUHPDVXDXWLOL]DomRQDIDOWDGHHVWDo}HV PHWHRUROyJLFDVFRQYHQFLRQDLVSUy[LPDVDHVWDo}HVPDUHJUi¿FDV
Palavras-chave: 5HGHV1HXUDLV$UWL¿FLDLVYDULDELOLGDGHGRQtYHOGRPDUPDUpPHWHRUROyJLFD SUHYLVmRGHVpULHVWHPSRUDLVHGDGRVGHUHDQiOLVH
ABSTRACT: METEOROLOGICAL TIDE MODELING USING AN ARTIFICIAL NEURAL NETWOK: AN APLICATION TO THE PARANAGUÁ BAY-PR: PART 2: NCEP/NCAR REANALYSIS METEOROLOGICAL DATA.
GDWDVHW5HPRWHLQÀXHQFHRIWKHPHWHRURORJLFDOYDULDEOHVLQWKHULVHVDQGORZLQJRIWKHFRDVWDOVHD OHYHODUHDQDO\]HGVWDWLVWLFDOO\LQWKHWLPHDQGWKHIUHTXHQF\GRPDLQDFFRUGLQJWRWKH3DUW7LGHTide gauge station time series from Cananéia (SP), used to verify the correlation with Paranaguá data set, FRQ¿UPHGWKH0HVTXLWDUHVHDUFKWRWKHVRXWKHDVWHUQFRDVWDOUHJLRQ&RUUHODWLRQEHWZHHQWKH variability of the meteorological tide in both cities were made due to the point 1 is near Cananéia. $UWL¿FLDO1HXUDO1HWZRUN$11ZLWKWKHVDPHDUFKLWHFWXUHGHYHORSHGLQ3DUWZDVDSSOLHGWRWKH reanalysis data. The maxima correlations between the input/output vectors were also used, adjusting the learning rate and momentum for improving the algorithm to reach the best performance. As the 3DUWWKH QHWZRUN SHUIRUPHG YHU\ ZHOO DW DQG WLPH ODJ VLPXODWLRQV 7KH UHVXOWV WR DQG KHQHWZRUNSHUIRUPHGYHU\ZHOODWDQGWLPHODJVLPXODWLRQV7KHUHVXOWVWRDQG time lag simulations were lower than these ones presented to the surface station, than these ones, suggesting also, others ANN architectures to improve the predictions for larger periods. The results VXJJHVWWKHXVLQJRIUHDQDO\VLVGDWDZKHUHWKHODFNRIFRQYHQWLRQDOVWDWLRQLVVLJQL¿FDQW
Keywords:$UWL¿FLDO1HXUDO1HWZRUNVHDOHYHOYDULDELOLW\PHWHRURORJLFDOWLGHVXUJHWLPHVHULHV forecasting and reanalysis dataset.
1. INTRODUÇÃO
O presente artigo apresenta os resultados da modelagem GH51$QDSUHGLomRGDYDULDELOLGDGHGDPDUpPHWHRUROyJLFD para o Porto de Paranaguá com dados de reanálises do NCEP/ 1&$5RVTXDLVIRUDPXWLOL]DGRVQRHVWXGRGDVLQÀXrQFLDV PHWHRUROyJLFDVUHPRWDVQDUHJLmRHPTXHVWmRFRUUHODFLRQDQGR RV FRP HVVD YDULDELOLGDGH$YDOLDVH WDPEpP D XWLOL]DomR GHVVHVGDGRVQDDXVrQFLDGHGDGRVPHWHRUROyJLFRVGHHVWDomR GHVXSHUItFLHSUy[LPDjHVWDomRPDUHJUi¿FD
3DWULFNHWDOXWLOL]DUDPXPPRGHORGH51$QD SUHGLomRGRQtYHOGRPDUQDUHJLmRQRUWHGR*ROIRGR0p[LFR tendo como elementos de entrada as forçantes meteorológicas e DVWURQ{PLFDVXWLOL]DQGRGDGRVGHUHDQiOLVHGR1&(31&$5H VDtGDVGRPRGHOR(7$GHSUHYLVmRGRPyGXORGRYHQWR&RPR QD3DUWHXWLOL]RXVHWDPEpPRPyGXORGRYHQWRQDSUHGLomR da maré meteorológica na Baía de Paranaguá com somente dados de vento de reanálise.
com o número de pesos, N = 20 referentes aos dados com LQWHUYDORVGHKRUDVHIUHTrQFLDVGHFRUWHHQWUHKH 67.2º/6h (Uaissone, 2004).
2V GDGRV GH SUHVVmR DWPRVIpULFD GH UHDQiOLVH IRUDP FRUUHODFLRQDGRVFRPLQIRUPDo}HVGHVXSHUItFLHREWLGDVGHFDUWDV VLQyWLFDVGR&+0$VFRPSRQHQWHV]RQDOHPHULGLRQDOGRYHQWR IRUDPFRUUHODFLRQDGDVFRPRYHQWRJHRVWUy¿FRFDOFXODGRDSyV LQWHUSRODomRHQWUHRVSRQWRVGHSUHVVmRUHODWLYRVjiUHDRFHk -QLFDHPTXHVWmR7DPEpPIRUDPFDOFXODGDVDVWHQV}HV]RQDOH meridional do vento.
Aplicou-se, também, o método clássico de séries tem-SRUDLVFRPRGHVFULWRQD3DUWH0RUHWLPUHIHUHQWHVj WHQGrQFLDHVD]RQDOLGDGHGDVVpULHVGHPDUpHSUHVVmR&DO{ED 2002).
$VUHODo}HVH[LVWHQWHVHQWUHRVSURFHVVRVDWPRVIpULFRVH a variabilidade do nível do mar, observada na Baía de Parana-guá, foram estudadas, também, a partir de cálculos estatísticos QRGRPtQLRGRWHPSRHGDIUHTrQFLDFRPRHVSHFL¿FDGRQD 3DUWHUHIHUHQWHjVVpULHVREWLGDVDWUDYpVGR1&(31&$5 nos pontos 1 e 2.
3DUDDVpULHPDUHJUi¿FDGDFLGDGHGH&DQDQpLDIRUDP FDOFXODGRV RV SHVRV GR ¿OWUR SDVVD EDL[D GH7KRPSVRQ GH acordo com as análises dos registros horários do nível do mar do DQRGHVHJXLQGRRVSURFHGLPHQWRVGRPpWRGRKDUP{QLFR SDUDDGHWHUPLQDomRGDVFRQVWDQWHVKDUP{QLFDVFRPRSURJUDPD PACMARÉ (FUDQFR2VSULQFLSDLVFRQVWLWXLQWHVKDUP{ -QLFRVIRUDPXWLOL]DGRVQRFiOFXORGRVSHVRVMXQWDPHQWHFRPR valor da freqüência inercial local.
2VGDGRVPDUHJUi¿FRV¿OWUDGRVGH3DUDQDJXiH&DQDQpLD IRUDPFRPSDUDGRVXPDYH]TXHRSRQWR1 de reanálise situa-se no ponto de grade próximo a Cananéia, pois segundo Mesquita DYDULDELOLGDGHGRQtYHOPpGLRGRPDUQROLWRUDOVXGHVWH é bem semelhante.
$VFRUUHODo}HVFDOFXODGDVFRPDVVpULHVWUDWDGDVLQGL -FDUDPRVDWUDVRVUHODWLYRVjUHVSRVWDGRPDUjVSHUWXUEDo}HV DWPRVIpULFDV&RPRQD3DUWHDVFRUUHODo}HVPi[LPDVIRUDP XWLOL]DGDVFRPRYDULiYHLVGHHQWUDGDGRPRGHORQHXUDO
O módulo do vento também foi usado como variável de entrada na modelagem da maré meteorológica com dados de reanálise, conforme descrito na Parte 1.
1R HVWXGR HP TXHVWmR XWLOL]RXVH D 51$ RWLPL]DGD QD3DUWHFRPDVFRUUHODo}HVPi[LPDVHQWUHDVYDULiYHLVGH entrada e saída nos pontos 1 e 2 de Reanálise. Para o critério GH SDUDGD IRL DQDOLVDGR R GHVHPSHQKR GH JHQHUDOL]DomR GD UHGHDSyVFDGDLWHUDomRGHDSUHQGL]DJHPFRQIRUPHGHVFULWR também na Parte 1.
3. RESULTADOS E DISCUSSÃO
2VUHVXOWDGRVREWLGRVFRPDVLQIRUPDo}HVPDUHJUi¿FDV GDFLGDGHGH&DQDQpLDFRQ¿UPDUDPDYDULDELOLGDGHGDPDUp meteorológica ou nível médio do mar no litoral Sudeste, quando comparados com dados de Paranaguá. As análises dos dados PDUHJUi¿FRV¿OWUDGRVGH3DUDQDJXiH&DQDQpLDVmRPRVWUDGRV na Figura 2, onde se observa o comportamento semelhante do QtYHOGRPDU¿OWUDGRQDVGXDVHVWDo}HV
Figura 2 ±9DULDomRGRQtYHOPpGLRGRPDUGLiULRHP3DUDQDJXi35
e Cananéia (SP).
2YDORUGHIRLREWLGRSDUDRFiOFXORGDFRUUH -ODomRFUX]DGDHQWUHRVGDGRVPDUHJUi¿FRVGDVGXDVHVWDo}HV $)LJXUDPRVWUDRJUi¿FRGHVVHUHVXOWDGRSDUDRSHUtRGR descrito. 'HYLGRDDOWDFRUUHODomRFUX]DGDHQWUH3DUDQDJXiH&DQD -QpLDXWLOL]RXVHRVGDGRVPHWHRUROyJLFRVUHPRWRVGHUHDQiOLVH referentes aos pontos 1)LJXUDQDVVLPXODo}HVFRPD51$ RWLPL]DGDQD3DUWHSDUDRVGDGRVGH3RQWDOGR6XO
$VDQiOLVHVGHYDULkQFLDUHODWLYDjUHPRomRGDVDOWDVIUH -TrQFLDVPRVWUDGDVQD7DEHODSDUDDVVpULHVGDSUHVVmRWHQVmR ]RQDOHPHULGLRQDOGRYHQWRSDUDRVSRQWRVGHUHDQiOLVHDSUH -VHQWDUDPYDORUHVHPWRUQRGHHUHVSHFWLYDPHQWH Figura 1 ±&DUWD1iXWLFDQGD'+1FRPDVFRRUGHQDGDVJHR
3DUDDHVWDomRGHVXSHUItFLH7DEHODRVYDORUHVHQFRQWUDGRV IRUDPHPWRUQRGHHPRVWUDQGRDLQÀXrQFLDGD ¿VLRJUD¿DORFDO
&RQVLGHUDQGRVHDVFRUUHODo}HVPi[LPDVGRVSRQWRVGH UHDQiOLVHFRPDHVWDomRPDUHJUi¿FDGH3DUDQDJXiXWLOL]DUDPVH como entrada da rede as variáveis com os devidos atrasos, ou VHMDSUHVVmRK7[K7\PDUpPHWHRUROyJLFDGH KKKHYHQWR(VVDVUHODo}HVFRQ¿UPDPRV resultados encontrados por Mariotti & Franco, [ca. 2001] para HVWXGRVUHDOL]DGRVQROLWRUDOGH6DQWD&DWDULQDXWLOL]DQGRR modelo ARIMA com dados convencionais.
As amostras com intervalos de 6 horas entre as observa-o}HVFRUUHVSRQGHUDPDXPWRWDOGHSDUHVGHHQWUDGDVDtGD 'HVVHFRQMXQWRGHGDGRVVHOHFLRQRXVHSDUDWUHLQDPHQWR SDUDYHUL¿FDomRHSDUDWHVWHFRQIRUPH3DUWH
Simulação para 6 horas (t = 0)
2VGDGRVGH5HDQiOLVHIRUDPXWLOL]DGRVSDUDDYDOLDUR FRPSRUWDPHQWRGDVpULHSUHYLVWDFRPLQIRUPDo}HVPHWHRUR -OyJLFDVRULXQGDVGHSRQWRVSUy[LPRVjHVWDomRPDUHJUi¿FD REVHUYDQGRVHDVLQÀXrQFLDVLQHUHQWHVDHVVHVGDGRV
$PHWDGHFRQYHUJrQFLDGRHUURGHSUHGLomRFRPRV dados de Reanálise, foi a mesma adotada na Parte 1. Para o WUHLQDPHQWRHYHUL¿FDomRGD51$GH¿QLXVHDTXDOLGDGHGR resultado considerando-se a melhor performance possível para ambos. O Quadro 1 mostra a convergência do erro para as diferentes épocas adotadas. Como na Parte 1, o melhor desem-penho foi também alcançado com 700 épocas, ocorrendo uma HVWDELOL]DomRGRDOJRULWPRbackpropagation.
Quadro 1±'HVHPSHQKRGDUHGHGHDFRUGRFRPRQ~PHURGHpSRFDV
Épocas Erro de treinamento (UURGHYHUL¿FDomR
100 0,021136
500
700
Figura 3 ±&RUUHODomRFUX]DGDHQWUHRQtYHOGRPDU¿OWUDGRPDUp PHWHRUROyJLFDGDVVpULHVPDUHJUi¿FDVGH3DUDQDJXiH&DQDQpLD
Tabela 1±5HVXOWDGRVHVWDWtVWLFRVFRPGDGRVGHUHDQiOLVHQRVSRQWRVSUHVVmRHYHQWR
Variável Máximo Médio Mínimo Variância Desvpad Filtro
P 1030,2 1015,3 22,54 4,74
P Filt 1015,3 1003,5 4,67
Tx 362,5
Tx Filt -10,75 1166,47 34,15
Ty 1417,53 37,65
Ty Filt 31,26
Tabela 2±5HVXOWDGRVHVWDWtVWLFRVFRPGDGRVPHWHRUROyJLFRVGH3RQWDOGR6XO
Variável Máximo Médio Mínimo Variância Desvpad Filtro
P 1033 1016
P Filt 1031 1016 24,75
Tx -12,4
Tx Filt 36,51 -6,72 -176,76 254,56 16,26
Ty 371 11,32 -260,77
A Tabela 3 mostra os resultados estatísticos referentes DRVSDUHVVHOHFLRQDGRVSDUDWUHLQDPHQWRYHUL¿FDomRHWHVWH 9HUL¿FDPVHXPDFRUUHODomRGHHPDPEDVDVHWDSDV
Como na Parte 1, o Quadro 2 mostra os resultados da análise de sensibilidade relativa as variáveis de entrada da RNA, indicando qual entrada é considerada mais importante pela rede DGRWDGD9HUL¿FDVHWDPEpPFRPRQD3DUWHDIRUWHFRUUHODomR entre o horário a ser previsto e os atrasos das respostas da maré PHWHRUROyJLFDjVIRUoDQWHVDWPRVIpULFDVQRVKRUiULRVDQWHULRUHV $VSULQFLSDLVYDULiYHLVIRUDPWDPEpPDVDXWRFRUUHODo}HVGD PDUpPHWHRUROyJLFDQRVKRUiULRVGHKKHKSRUpP VHJXLGDVGDSUHVVmRPyGXORGRYHQWR9WWHQVmRPHULGLRQDO (TYHWHQVmR]RQDO7X).
$)LJXUDDSUHVHQWDDHYROXomRGRWUHLQDPHQWRHYHUL -¿FDomRGDUHGHSDUDDOFDQoDUDPHWDGHFRQYHUJrQFLDGRHUUR $FXUYDHPSUHWRUHSUHVHQWDRWUHLQDPHQWRHDOLQKDFLQ]DD YHUL¿FDomR
A Figura 5 mostra a fase de treinamento da rede e a VDtGDGHVHMDGDYHUL¿FDQGRVHRGHVHPSHQKRGRPRGHORHP representar a maré meteorológica, semelhante ao resultado obtido na Parte 1.
$SyVRWUHLQDPHQWRIRUDPDSUHVHQWDGRVjUHGHRVSDUHV UHODWLYRVDRWHVWHRXYDOLGDomRFRQIRUPHGHVFULWRQD3DUWH QRVHQWLQGRGHVHDYDOLDUDFDSDFLGDGHGHJHQHUDOL]DomRGD UHGH QD SUHGLomR GD PDUp PHWHRUROyJLFD FRP RV GDGRV GH reanálise.
A Figura 6 apresenta os resultados obtidos com a rede treinada, onde se observa a saída desejada (maré meteorológica) HDSUHYLVWDSHODUHGHQHXUDO9HUL¿FDVHTXHDVGXDVFXUYDV mantêm o comportamento semelhante ao obtido com os dados GDHVWDomRGHVXSHUItFLH
Simulações para 12 (t=6), 18 (t=12) e 24 (t=18) horas. )RUDPUHDOL]DGDVWDPEpPVLPXODo}HVGDPDUpPHWHRUR -OyJLFDSDUDDVGHIDVDJHQVGHKKHKFRQVLGHUDQGRVHD mesma arquitetura de rede, bem como os parâmetros ajustáveis da rede conforme descrito na Parte 1.
2VUHVXOWDGRVHVWDWtVWLFRVGHVVDVVLPXODo}HVVmRPRV -WUDGRVQDV7DEHODVDDF1D7DEHODDYHUL¿FDVHTXHR GHVHPSHQKRGDUHGHIRLPDQWLGRSDUDDVLPXODomRGHKRUDV HPUHODomRjGHKRUDVFRPFRUUHODo}HVHPWRUQRGH 1DV7DEHODVEHFREVHUYDVHTXHRVYDORUHVGHFRUUHODomR
Tabela 3±5HVXOWDGRVHVWDWtVWLFRVUHIHUHQWHVjSUHYLVmRSDUDKRUDV
Treinamento 9HUL¿FDomR Teste
Média
'HVYLRSDGUmR 17,6604 16,73424
Erro Médio
(UURGRGHVYLRSDGUmR
&RUUHODomR
Quadro 2±$QiOLVHGHVHQVLELOLGDGH
Pres(-36) Tx(-30) Ty(t) MM(-18) MM(-12) MM(-6) V(t)
Ordem 4 7 6 3 2 1 5
Erro
Taxa 57,31003
Figura 5 ±*Ui¿FRVGDVDtGDGDUHGHHVDtGDGHVHMDGDQDIDVHGH
treinamento
HQFRQWUDGRVSDUDHKRUDVIRUDPVHPHOKDQWHVDRVHQFRQ -WUDGRVSDUDDHVWDomRGHVXSHUItFLH3DUWHHPWRUQRGH HUHVSHFWLYDPHQWH
$FUHGLWDVHTXHRVYDORUHVGHFRUUHODomRHQFRQWUDGRV SDUDKHKSRGHPHVWDUWDPEpPUHODFLRQDGRVDRVIDWRUHV descritos na Parte 1.
A Tabela 5 mostra os valores máximos, médios e míni-PRVGRHUURSDUDRWUHLQDPHQWRYHUL¿FDomRHWHVWHHQWUHDVDtGD GDUHGHHDVDtGDGHVHMDGDHPUHODomRDRVKRUiULRVGDVUHIHULGDV VLPXODo}HV(VVHVUHVXOWDGRVIRUDPVHPHOKDQWHVDRVHQFRQWUDGRV SDUDDHVWDomRGHVXSHUItFLH2EVHUYDVHWDPEpPXPDXPHQWR nos erros máximos e mínimos nas três etapas para os horários UHODWLYRVjSUHYLVmRGHKHKHVWDQGRHPFRQFRUGkQFLD FRPRVYDORUHVGDVFRUUHODo}HVSDUDRVPHVPRVKRUiULRVDSUH -sentadas nas tabelas anteriores.
Figura 6 ±*Ui¿FRVGDVDtGDGDUHGHHVDtGDGHVHMDGDQDIDVHGH
teste.
Tabela 5±(UURGHWUHLQDPHQWRYHUL¿FDomRHWHVWHHQWUHDVDtGDGD51$HRDOYR
Predição Treinamento 9HUL¿FDomR Teste
Máx Méd Mín Máx Méd Mín Máx Méd Mín
t = 0 (6h) 3,10 -0,07 -3,22 -0,03 -3,53 3,50 -0,14 -3,67
t = 6 (12h) -0,25 -24,43 0,13 23,44 -23,61
W K 15,21 -3,64 -3,74
W K 22,61
Tabela 4±5HVXOWDGRVHVWDWtVWLFRVUHIHUHQWHVjSUHYLVmR
(a) 12 horas.
Treinamento 9HUL¿FDomR Teste
Média
'HVYLRSDGUmR
Erro Médio
(UURGRGHVYLRSDGUmR 2,754362 3,046132
&RUUHODomR
(b) 18 horas
Média
'HVYLRSDGUmR
Erro Médio
(UURGRGHVYLRSDGUmR 5,733315 6,325062
&RUUHODomR
(c) 24 horas
Média
'HVYLRSDGUmR
Erro Médio
(UURGRGHVYLRSDGUmR
As freqüências dos erros entre os valores previstos e observados das alturas da maré meteorológica para as
defasa-JHQVGHKKKHKFRPGDGRVGDHVWDomRGHVXSHU
-fície e reanálise mostraram resultados satisfatórios para ambas as fontes de dados. Os histogramas das Figuras 7(a) a 7(d) apresentam as freqüências dos erros para cada horário previsto com dados de Pontal do Sul, considerando-se os 630 pares de HQWUDGDVDtGDXWLOL]DGRVSDUDWHVWHQRPRGHORQHXUDO9HUL¿ -FRXVHTXHRPRGHORDSUHVHQWRXYDORUHVGHSUHYLVmRGDPDUp meteorológica, para os horários de 6 h e 12 h, em torno de -3.52 DFPHDFPUHVSHFWLYDPHQWHVXEHVWLPDQGR HPDVDOWXUDVSUHYLVWDVSDUDDPERVRVKRUiULRV3DUDD SUHYLVmRGHKHKRVYDORUHV¿FDUDPHQWUHD FPHDFPVXEHVWLPDQGRHPH as alturas previstas, respectivamente.
2VJUi¿FRVGHGLVWULEXLomRGRVHUURVGDV)LJXUDVDD GPRVWUDPXPDFRQFHQWUDomRGHYDORUHVGRVHUURVQDVIDL[DV HQWUHDFPSDUDKRUDVDFPSDUD
a) 3UHGLomRGHKRUDV b) 3UHGLomRGHKRUDV
c) 3UHGLomRGHKRUDV d) 3UHGLomRGHKRUDV
Figura 7 ±+LVWRJUDPDVUHODWLYRVDRVYDORUHVGRVHUURVHQWUHDVDtGDGDUHGHHRDOYRFRPGDGRVGDHVWDomRGH3RQWDOGR6XO
KRUDVDFPSDUDKRUDV HDFPSDUDKRUDV
Para os dados de reanálise, considerando-se o mesmo Q~PHURGHSDUHVGHHQWUDGDVDtGDIRUDPYHUL¿FDGRVYDORUHVGDV alturas previstas, em torno de -3.67 a 3.50 cm, -23.61 a 23.44 FPDHDFPSDUDKKKH 24 h, respectivamente.
2VKLVWRJUDPDVGDV)LJXUDVDDGPRVWUDPDVIUHT -rQFLDVGRVHUURVSDUDRVGLIHUHQWHVKRUiULRVSDUDDVVLPXODo}HV com dados de reanálise. Para os horários de 6 h e 12 h o modelo VXSHUHVWLPRXDVDOWXUDVHPDSUR[LPDGDPHQWHHSDUDDV SUHYLV}HVGHKHKKRXYHXPDVXEHVWLPDomRGDVDOWXUDV HPWRUQRGHHUHVSHFWLYDPHQWH
Figura 8 ±*Ui¿FRVGDGLVWULEXLomRGRVHUURVHQWUHDVDtGDGDUHGHHRDOYRFRPGDGRVGH3RQWDOGR6XO
Figura 9 ±+LVWRJUDPDVUHODWLYRVDRVYDORUHVGRVHUURVHQWUHDVDtGDGDUHGHHRDOYRFRPGDGRVGH5HDQiOLVH
a) 3UHGLomRGHKRUDV b) 3UHGLomRGHKRUDV
c) 3UHGLomRGHKRUDV d) 3UHGLomRGHKRUDV
a) 3UHGLomRGHKRUDV b) 3UHGLomRGHKRUDV
4. CONCLUSÕES
Comparando as duas fontes de dados meteorológicos, YHUL¿FRXVHTXHDXWLOL]DomRGRVGDGRVGHUHDQiOLVHQDSUHGL -omRGDPDUpPHWHRUROyJLFDIRLPDLVDGHTXDGDXPDYH]TXH os pontos 1 e 2VLWXDPVHQDUHJLmRRFHkQLFDSUy[LPDDROLWRUDO Sudeste.
$VDQiOLVHVQRGRPtQLRGDIUHTrQFLDSDUDDHVWDomRGH superfície e reanálise, mostraram valores elevados de energia e coerência para eventos com periodicidade, em torno de 5 dias. (VVHVYDORUHVSRGHPVHUMXVWL¿FDGRVSHODSDVVDJHPGHVLVWHPDV DWPRVIpULFRVPLJUDWyULRVTXHLQÀXHQFLDPDYDULDELOLGDGHGD PDUpPHWHRUROyJLFDQRSRQWRHPTXHVWmR
Os dados de reanálise selecionados na área marítima, SUy[LPRV j HVWDomR PDUHJUi¿FD SRVVLELOLWDUDP D FRPSDUD -omRHQWUHRVUHVXOWDGRVHQFRQWUDGRVFRPRVGDGRVGDHVWDomR GHVXSHUItFLH9HUL¿FRXVHDVVLPTXHDVUHODo}HVH[LVWHQWHV entre os fenômenos atmosféricos e as respostas do mar a esses IHQ{PHQRVVmRPXLWRPDLVHYLGHQFLDGDVFRPDVLQIRUPDo}HV RULXQGDVGDUHJLmRRFHkQLFDSUy[LPDjHVWDomRPDUHJUi¿FD 9HUL¿FRXVHDLQGDTXHFRPDVLQIRUPDo}HVGHUHDQiOLVHIRL SRVVtYHOHVWDEHOHFHUDVUHODo}HVHQWUHRVHYHQWRVUHPRWRVTXH DIHWDPDPDUpPHWHRUROyJLFDFRPRYHUL¿FDGRQRSRQWR2 ao sul de Paranaguá. Neste ponto a componente meridional do vento possui valores energéticos bastante elevados, mostrando DLQÀXrQFLDGDRULHQWDomRGDFRVWDQRORFDOHPTXHVWmR
$VFRUUHODo}HVGDPDUpPHWHRUROyJLFDFRPDSUHVVmR DWPRVIpULFDQDHVWDomRGHVXSHUItFLHHQRSRQWR1 de reanálise IRUDPEHPVHPHOKDQWHVHPWRUQRGHSDUDDWUDVRVGH KRUDVHKRUDVUHVSHFWLYDPHQWHPRVWUDQGRTXHDUHJLmR FRVWHLUDGH3DUDQDJXiUHVSRQGHGHPDQHLUDVLPLODUjVÀXWXDo}HV desta variável nos processos atmosféricos de baixa freqüência. $FUHGLWDVHTXHHVWHVDWUDVRVFRPUHODomRjSUHVVmRSRGHP HVWDUUHODFLRQDGRVjORFDOL]DomRGDHVWDomRPDUHJUi¿FDLQÀXHQ -FLDGRVSHOD¿VLRJUD¿DGD%DtDGH3DUDQDJXiDTXDOLQWHUIHUHQD resposta do nível do mar costeiro.
2VUHVXOWDGRVVLPLODUHVDSUHVHQWDGRVSHODUHGHQDSUHGLomR GDPDUpPHWHRUROyJLFDSDUDXPDGHIDVDJHPGHKRUDVXWLOL]DQGR se dados de superfície e de reanálise, demonstraram a possibilidade GHXWLOL]DomRGRVGDGRVGHUHDQiOLVHQDIDOWDGHLQIRUPDo}HVPHWHR UROyJLFDVSUy[LPDVjVHVWDo}HVPDUHJUi¿FDVSULQFLSDOPHQWHHP litorais onde o comportamento deste fenômeno é semelhante.
2VUHVXOWDGRVGDSUHGLomRFRPGDGRVGHUHDQiOLVHREWL -dos com a RNA desenvolvida na Parte 1, mostraram valores VHPHOKDQWHVDRVGDHVWDomRGHVXSHUItFLH$VSUHGLo}HVUHDOL -]DGDVSDUDSHUtRGRVPDLVORQJRVKHKDSUHVHQWDUDP UHVXOWDGRV GH FRUUHODo}HV LQIHULRUHV DRV YHUL¿FDGRV SDUD D defasagem de 6 h e 12 h para ambos os dados.
2VGDGRVGHUHDQiOLVHDOpPGHWUDGX]LUHPPHOKRUDV YDULDo}HVGRVIHQ{PHQRVDWPRVIpULFRVHPEDL[DVIUHTrQFLDV QDiUHDRFHkQLFDVmRIRQWHVGHLQIRUPDo}HVQXPDUHJLmRRQGH a carência de dados ainda é substancial.
Figura 10 ±*Ui¿FRVGDGLVWULEXLomRGRVHUURVHQWUHDVDtGDGDUHGHHRDOYRFRPGDGRVGHUHDQiOLVH
a) 3UHGLomRGHKRUDV b) 3UHGLomRGHKRUDV
5. AGRADECIMENTOS
Os autores agradecem ao Centro de Estudos do Mar da 8QLYHUVLGDGH)HGHUDOGR3DUDQiHDR&HQWURGH+LGURJUD¿DGD Marinha pelo fornecimento dos dados meteorológicos e mare-JUi¿FRV$JUDGHFHPRVWDPEpPDRVUHYLVRUHVDQ{QLPRVSHODV VXJHVW}HVHFUtWLFDV2SULPHLURDXWRUDJUDGHFHj&$3(6SHOR DSRLR¿QDQFHLUR
6. REFERÊNCIAS BIBLIOGRÁFICAS
&$/Ð%$ / 3 ³,QWURGXomR DR XVR GH UHGHV QHXUDLV QD modelagem de sistemas dinâmicos e séries temporais”. In: Livro de Minicursos do Congresso Brasileiro de Automática, 14. Natal, 2002.
FILIPPO, Alessandro Mendonça Variabilidade do Nível do Mar em Função de Eventos Meteorológicos de Baixa Freqüên-cia. 2003. 100 f. Tese (Doutorado em Geoquímica Ambiental) - Universidade Federal Fluminense, Niterói, 2003.
FRANCO, A. S.Marés-programas para previsão e análise: 0DQXDOGR6LVWHPD3$&6mR 3DXOR &RWLD 6mR3DXOR&RWLD
KISTLER, ROBERT ET AL., 2001, THE NCEP/NCAR 40 Year Reanalysis Project, Bull. Am. Meteorol. Soc., v. 77, n. 3, pp. 437-471.
KALNAY, Eugenia, et al., 2001, The NCEP/NCAR 50 Year Reanalysis: Monthly Means CD-ROM and Documentation, Bull. Am. Meteorol. Soc.Meteorol. Soc.YQSS
0(648,7$$IUDQLR5XEHQVGH0DUpV&LUFXODomRH1tYHO do Mar na Costa Sudeste do Brasil. Disponível em: http:// www.mares.io.usp.br/agn/51/una/una.html. Acesso em 25 set. 2003.
0$5,277,0DUD7HUH]LQKD)5$1&2'DYLGH$QiOLVH$ULPD GD 5HVSRVWD GR 1tYHO GR 0DU j )RUoDQWHV$WPRVIpULFDV Locais: Florianópolis: LAHIMAR/UFSC, 2001.
MORETTIN, P. A., TOLOI, C. M. C. Previsão de Séries Temporais.HG6mR3DXOR,QVWLWXWR GH 0DWHPiWLFD 3XUDInstituto de Matemática Pura
H$SOLFDGD±,03$ SS
PATRICK, A. R., COLLINS, W. G., TISSOT, P. E., DRIKTIS, J., MICHAUD, P., COX, D. T. Use of the NCEP Mesoeta 'DWD LQ D:DWHU /HYHO 3UHGLFWLQJ 1HXUDO 1HWZRUN ,Q CONFERENCE ON WEATHER ANALYSIS AND )25(&$67,1*$06&21)(5(1&(21 NUMERICAL WEATHER PREDICTION, 15., 2002. Proceeding... Am. Meteorol. Soc., 2002.
TRUCCOLO, E. C. Maré Meteorológica e Forçantes Atmosféricas Locais em São Francisco do Sul100 I'LVVHUWDomR 0HVWUDGR HP (QJHQKDULD$PELHQWDO 8)6& (Mestrado em Engenharia Ambiental) - UFSC, )ORULDQySROLV