Avaliação de Modelos Regressivo Logístico e Baseado em Rede Neural para Previsão da Probabilidade de Ocorrência de Alagamentos em Curitiba-PR (Evaluation of logistic regression and neural network models for probabilistic forecasts of flooding in...)

Marciel Lohmann, Leonardo José Cordeiro Santos, Camila Cunico,

Resumo


O presente artigo tem como objetivo avaliar os modelos regressivo logístico e baseado em rede neural para previsão da probabilidade de ocorrência de alagamentos em Curitiba-PR, utilizando como base a integração de informações hidrometeorológicas. Para a construção dos modelos foram utilizados os dados de precipitação estimada a partir da integração das informações provenientes de radar meteorológico, satélite e pluviômetros, utilizando o método de Análise Objetiva Estatística (ANOBES). A partir dos dados de estimativas de precipitação foi calculada a chuva média acumulada de 6 em 6 horas, utilizando-se do método de Thiessen e do Inverso da Distância ao Quadrado, sendo os dois métodos comparados para verificar qual possui o melhor resultado para a geração dos dados de entrada dos modelos. Em relação ao desempenho dos dois métodos utilizados na construção dos modelos, verificou-se no caso estudado que o SOM (Self Organizing Map) apresentou desempenho superior quando comparado com a regressão logística tanto no período de calibração quanto de verificação.

 

 

 

 

A B S T R A C T

This paper aims to evaluate the logistic regression and neural network models for probabilistic forecasts of flooding in Curitiba-PR using as a basis the integration of hydrometeorological information. For the construction of the models were used rainfall data estimated from the integration of meteorological radar, satellite and rain gauges data, using the analysis for statistical purposes (ANOBES) method. Rainfall estimates were used to calculate cumulative average rain of 6 hours, using the method of Thiessen and Squared Inverse Distance. These the two methods were compared to see which has better results for data generation to be used as models’ data input. Regarding the performance of the two methods used to construct the models, it was found that the SOM (Self Organizing Map) has superior performance when compared with the logistic regression, either for calibration and verification.

Keywords: critical rain, artificial intelligence, ROC curve.

 

 


Palavras-chave


Chuva Crítica; Inteligência Artificial, Curva ROC

Texto completo:

PDF


DOI: https://doi.org/10.5935/1984-2295.20160160



      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License