Redes Neurais Artificiais na Melhoria de Desempenho de Métodos de Assimilação de Dados: Filtro de Kalman

Abstract

Assimilação de Dados é um método que combina dados de um modelo matemático e dados de observações, permitindo uma melhoria na previsão do modelo. Métodos seqüenciais ótimos são baseados em teoria de estimativa formal que minimiza os erros dos dados de acordo com a dinâmica do modelo. Métodos de assimilação de dados utilizando Redes Neurais Artificiais (RNA) vêm sendo propostos muito recentemente apresentando resultados consistentes: computacionalmente eficientes e eficazes quanto aplicação. Este trabalho apresenta uma abordagem do método de assimilação por RNA, onde aplica-se uma RNA para substituir o cálculo da inversão de matrizes de erros constante do algoritmo de assimilação baseado em filtro de Kalman. Para exemplo da aplicação desta abordagem, utilizou-se o Sistema de Lorenz e o Filtro de Kalman Estendido para obter parâmetros usados no treinamento da RNA e na comparação dos resultados.