Evaluating the performance of nssl tda and nf tda tornado detection algorithms

Simple item page
dc.contributor.advisorTian-Yuo Yu
dc.contributor.advisorValliappa Lakshamanan
dc.contributor.authorTorres Barreto, Nilson Eduardo
dc.date.accessioned2024-03-03T17:31:11Z
dc.date.available2009
dc.date.available2024-03-03T17:31:11Z
dc.date.created2009
dc.date.issued2009
dc.description.abstractVortices de Tornado observados por radares Doppler a menudo están relacionadas con una alta cizalladura de Reflectividad en azimut y una respuesta en frecuencia (espectro Doppler) ancha y aplanada. El funcionamiento actual del algoritmo de detección de tornados (TDA) en primer lugar busca indicios de cizalladuras que son más grandes que unos umbrales predefinidos. En este trabajo, un procedimiento de detección de tornados basado en un sistema de lógica difusa se prueba para integrar indicios tornadicos tanto en la velocidad como en el dominio espectral. Una nueva característica del sistema es que es reforzado por una red neuronal para perfeccionar la composición de funciones propias de dicha red, a través de un proceso de entrenamiento mediante retroalimentación. Este enfoque híbrido, se denomino “NEURO-FUZZY TORNADO DETECTION ALGORITHM” (NFTDA), e inicialmente se verificó mediante simulaciones y posteriormente se probó en datos reales. Estas simulaciones son ingeridas en un software desarrollado por el autor, que contrasta tanto a TDA como a NFTDA. Los resultados demuestran que el algoritmo NFTDA no solo se comporta mejor en general, sino también en casos en los cuales el otro algoritmo tendría dificultades al detectar dichos fenómenos, como por ejemplo eventos tornadicos a corta y a larga distancia del radar con el cual se hace la medición. El desempeño de los algoritmos TDA y NFTDA se evalúan con un nivel I de series temporales de datos recogidos por la NEXRAD, una red operativa de 158 radares conocido como: “Weather Survailance Radar 1988 Doppler” (WSR-88D), operados por varios organismos, entre ellos el “National Severe Storm Laboratory” (NSSL) “National Oceanographic Atmospheric Administration” (NOAA), durante varios tornados que se produjeron largo de los Estados Unidos. Datos de campo fueron recopilados por la WDTB y la WATADS a fin de verificar todo tipo de informacion recolectada digitalmente.
dc.description.abstractenglishTornado vortices observed by Doppler radars are often related with high azimuthal shear and Doppler spectra that are wide and flattened. The current operational tornado detection algorithm (TDA) primarily searches for shear signatures that are larger than the predefined thresholds. In this work, a tornado detection procedure based on a fuzzy logic system is tested to integrate tornadic signatures in both the velocity and spectral domains. A novel feature of the system is that it is further enhanced by a neural network to refine the membership functions through a feedback training process. The hybrid approach herein, termed the neuro–fuzzy tornado detection algorithm (NFTDA), is initially verified using simulations and is subsequently tested on real data. These simulations are ingested in software developed by the author which contrasts both TDA and NFTDA algorithms. The results demonstrate not only that NFTDA can detect tornadoes even when the shear signatures are degraded significantly so that they would create difficulties for typical vortex detection schemes, but that NFTDA is overall more accurate in all sorts of scenarios. The performance of the NFTDA and TDA is assessed with level I time series data collected by the NEXRAD, a network of 158 operational radars known as: Weather Surveillance Radar-1988 Doppler (WSR-88D) operated by several agencies, including the National Severe Storms Laboratory (NSSL) and National Oceanographic Atmospheric Administration (NOAA), during several tornado outbreaks occurred along the United States. Additional Ground Truth Data was collected by the WDTB and the WATADS team in order to verify all sorts of digital data.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/22180
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectTornado
dc.subjectRadar
dc.subjectTiempo
dc.subjectTormenta
dc.subjectMeso-ciclón
dc.subjectAlgoritmo
dc.subjecttransmisor
dc.subjectreceptor
dc.subject.keywordTornado
dc.subject.keywordRadar
dc.subject.keywordWeather
dc.subject.keywordStorm
dc.subject.keywordMesocyclone
dc.subject.keywordAlgorithm
dc.subject.keywordTransmitter
dc.subject.keywordReceiver
dc.titleEvaluating the performance of nssl tda and nf tda tornado detection algorithms
dc.title.englishEvaluating the performance of nssltda and nftda tornado detection algorithms
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
443.33 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.42 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
178.79 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica