MC-A04
Assimilação de Dados por Redes Neurais Artificiais
Professor: Haroldo de Campos Velho (INPE), Helaine Furtado (UFOPA), Juliana Anochi (INPE) e Roberto Souto (LNCC)

Horarios: De Segunda (05/02) a Sexta (09/02) de 15:00h às 16:30h

Objetivo: Introdução aos métodos de assimilação de dados, onde várias metodologias são descritas. Breve descrição de redes neurais, sendo mostradas 3 tipos: multilayer perceptron (MLP), radial base function (RBF), deep learning (DL). Com base no conteúdo apresentado, várias aplicações serão descritas na fase final do mini-curso. O objetivo é introduzir o participante na descrição e aplicação de técnicas de redes neurais em assimilação de dados.

Ementa:
  1. Introdução a assimilação de dados (D1): Necessidade da assimilação de dados, breve histórico da assimilação de dados
  2. Métodos 'clássicos' em assimilação de dados (D2): Nudging, Métodos variacionais (3D/4D), Filtro de Kalman e filtro de Kalman por conjunto
  3. Redes neurais artificiais (RNA): breve descrição (D3). Redes neurais: MLP RBF, Deep Learning. Redes neurais artificiais para assimilação de dados. Análise de complexidade: FK, 3D-Var/4D-Var, RNA.
  4. Aplicações (D4). Modelos de baixa ordem: Lorenz-63, shallow water 1D. Circulação oceânica (shallow water 2D). Processamento paralelo para RNA em assimilação de dados. Modelo regional de dinâmica da atmosfera: WRF. Modelo global de dinâmica da atmosfera: SPEED, COAPS-FSU

Bibliografia:
  1. V. A. Almeida, G. B. França, H. F. Campos Velho, N. F. Ebercken (2020): Artificial neural network for data assimilation by WRF model in Rio de Janeiro, Brazil. Revista Brasileira de Geofísica (impresso), 38, pp. 1-18.
  2. J. A. Anochi, H. F. Campos Velho, R. Hernandez Torres (2019): Two geoscience applications by optimal neural network Architecture. Pure and Applied Geophysics, 1776, pp. 1.
  3. M. Asch, M. Bocquet, M. Nodet (2016): Data Assimilation: Methods, Algorithms, and Applications. SIAM.
  4. H. F. Campos Velho, H. C. M. Furtado, S. B. M. Sambatti, C. O. F. Barros, M. E. S. Welter, R. P. Souto, D. Carvalho, D. O. Cardoso (2022): Data assimilation by neural network for ocean circulation: Parallel implementation. Supercomputing Frontiers and Innovations, 9, pp. 74-86.
  5. R. S. C. Cintra, H. F. Campos Velho (2018): Data assimilation by artificial neural networks for an atmospheric general circulation model. In: Adel El-Shahat. (Org.). Advanced Applications for Artificial Neural Networks. Intech, pp. 265-285.
  6. R. Daley (1991): Atmospheric Data Analysis. Cambridge University Press.
  7. G. Evensen, F. C. Vossepoel, P. J. van Leeuwen (2022): Data Assimilation Fundamentals: A Unified Formulation of the State and Parameter Estimation Problem. Springer.
  8. E. Kalnay (2002): Atmospheric Modeling, Data Assimilation and Predictability. Cambridge University Press.