2º Seminário da DIMNT – Parametrização Física em Modelos Meteorológicos por Aprendizado de Máquina
Coordenação-Geral de Ciências da Terra – CGCT
Modelagem Numérica do Sistema Terrestre
Vídeos
Imagens
Data: 17 de Março de 2021
Horário: 15h30 –16h30
Título do seminário: Parametrização Física em Modelos Meteorológicos por Aprendizado de Máquina
Palestrante: Dr. Haroldo Fraga de Campos Velho
Biografia: Engenheiro químico (PUCRS, 1983), Mestre e Doutor em ciências em Engenharia Mecânica (UFRGS, 1988 e1992), com ênfase em Engenharia Nuclear e Dinâmica dos Fluidos Computacional, respectivamente. A carreira acadêmica iniciou na Universidade de Caxias do Sul(UCS, 1987-1988), como professor de teoria de controle e métodos numéricos. É pesquisador do INPE desde 1988, atuando no Laboratório Associado de Computação e Matemática Aplicada (LABAC) e Pesquisador Titular A-III desde 2005. Foi Coordenador do programa de Pós-graduação de Computação Aplicada (1999-2002) no INPE, chefe do LABAC-INPE (2001-2004), e vice-Coordenador da Coordenação de Tecnologias Especiais (COCTE-INPE, 2001-2004). Foi membro eleito do Conselho Técnico-Científico do INPE (2005-2008, 2012-2015). Foi Diretor Associado de Espaço e Ambiente (INPE, 2008-2010). Atuando em Associações profissionais como membro eleito do Conselho da Sociedade Brasileira de Matemática Aplicada e Computacional -SBMAC (2005-2007) e é Presidente da Pan-American Association of Interdisciplinary Computational Sciences(PACIS, 2013 até o presente). Foi supervisor de 6 pesquisadores visitantes e pós-doutores, 26 doutores e 18 mestres em ciências. Seu interesse de pesquisa inclui problemas inversos em pesquisa espacial, modelagem matemática de turbulência atmosférica, aprendizado de máquina aplicado à geociências, redes neurais como uma nova técnica para assimilação de dados, computação científica e computação híbrida. Recebeu o prêmio da Academia de Ciências de Cuba em 2016 -prêmio científico de pesquisade cooperação internacional intitulada: Computational Intelligence Applications on Data Mining for Fault Diagnosis and Parameter Estimation. Em 2004, prêmio NEC Award, como um dos autores do -16th Symposium on Computer Architecture and High Performance Computing(SBAC-PAD, Foz do Iguaçu, Brazil).
Resumo da palestra: Modelos meteorológicos podem ser caracterizados contendo três componentes:dados geofísicos (topografia, mapa de cobertura de supefície, etc), soluçãodas equações de Navier-Stokes (“dynamical core”) e representação de processosfísicos (parametrização). Os processos físicos não são resolvidos explicitamente, mas são representados de uma forma simplificada: parametrizações. A forma de se desenvolver as parametrizações pode ser baseada em modelagem ou teorias da física ou baseada em dados. Na formulação de parametrizaçõesbaseada em dados, podemos classificar 3 tipos: formulação como um problema de otimização, tabela de valores, aprendizado de máquina. O temado seminário é sobre técnicas de aprendizado de máquina para desenvolverparametrizações para modelos meteorológicos. Como padrão na metodologia,a parametrização pode ser testada em modelos de coluna simples: modelos com toda a complexidade dos processos físicos, mas com dependência somente na vertical -esta será a abordagem adotada.