Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão

Detalhes bibliográficos
Autor(a) principal: Souza, Valter Cesar de [UNESP]
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/250328
Resumo: Esta pesquisa aborda o tema Missing Value Imputation (MVI) com foco em agrometeorologia, na estimativa e imputação de dados de evapotranspiração de referência. O trabalho foi dividido em três capítulos, entendidos como revisão, metodologia e aplicação. O Capítulo 1 apresenta uma revisão bibliométrica abrangendo cerca de 19.745 publicações entre 1940 e 2022, destacando os principais pesquisadores, artigos, periódicos, instituições e países no assunto MVI. O Capítulo 2 apresenta uma proposta detalhada do planejamento de uma simulação em MVI, abordando o banco e tipo de dados, mecanismo e taxa de falta, técnica de imputação e método de avaliação de desempenho. Essas informações são preparatórias para a aplicação. O Capítulo 3 avalia o desempenho de procedimentos multivariados alternativos de análise de componentes principais na imputação de dados ausentes em base de dados de evapotranspiração. Foram utilizados dados do período de 2012 a 2021 de quarenta e cinco estações meteorológicas automáticas da região de São Paulo, Brasil, simulando diferentes cenários de dados faltantes. Esta pesquisa ressalta a importância da agrometeorologia, a necessidade de tratar dados ausentes por meio de técnicas de MVI e a eficácia de procedimentos alternativos de análise de componentes principais na imputação de valores faltantes.
id UNSP_33cad2aa515e0feea72ff43b1394fb2b
oai_identifier_str oai:repositorio.unesp.br:11449/250328
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensãoApplication of principal component analysis in the imputation of missing values in high-dimensional agrometeorological dataAgrometeorologiaDados MeteorológicosevapotranspiraçãoImputaçãoSimulaçãoAgrometeorologyMeteorological DataEvapotranspirationImputationSimulationEsta pesquisa aborda o tema Missing Value Imputation (MVI) com foco em agrometeorologia, na estimativa e imputação de dados de evapotranspiração de referência. O trabalho foi dividido em três capítulos, entendidos como revisão, metodologia e aplicação. O Capítulo 1 apresenta uma revisão bibliométrica abrangendo cerca de 19.745 publicações entre 1940 e 2022, destacando os principais pesquisadores, artigos, periódicos, instituições e países no assunto MVI. O Capítulo 2 apresenta uma proposta detalhada do planejamento de uma simulação em MVI, abordando o banco e tipo de dados, mecanismo e taxa de falta, técnica de imputação e método de avaliação de desempenho. Essas informações são preparatórias para a aplicação. O Capítulo 3 avalia o desempenho de procedimentos multivariados alternativos de análise de componentes principais na imputação de dados ausentes em base de dados de evapotranspiração. Foram utilizados dados do período de 2012 a 2021 de quarenta e cinco estações meteorológicas automáticas da região de São Paulo, Brasil, simulando diferentes cenários de dados faltantes. Esta pesquisa ressalta a importância da agrometeorologia, a necessidade de tratar dados ausentes por meio de técnicas de MVI e a eficácia de procedimentos alternativos de análise de componentes principais na imputação de valores faltantes.This research addresses the theme of Missing Value Imputation (MVI) with a focus on agrometeorology, in the estimation and imputation of reference evapotranspiration data. The work was divided into three chapters, understood as review, methodology, and application. Chapter 1 presents a bibliometric review covering approximately 19,745 publications between 1940 and 2022, highlighting the main researchers, articles, journals, institutions, and countries in the MVI subject. Chapter 2 presents a detailed proposal for planning a simulation in MVI, addressing the database and type of data, mechanism and fault rate, imputation technique, and performance evaluation method. This information is preparatory for the application. Chapter 3 evaluates the performance of alternative multivariate principal component analysis procedures in imputing missing data into evapotranspiration databases. Data from the period 2012 to 2021 from forty-five automatic meteorological stations in the region of São Paulo, Brazil, were used, simulating different scenarios of missing data. This research underscores the importance of agrometeorology, the need to address missing data through MVI techniques, and the effectiveness of alternative principal component analysis procedures in imputing missing values.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Financiamento 001Universidade Estadual Paulista (Unesp)Rodrigues, Sergio AugustoUniversidade Estadual Paulista (Unesp)Souza, Valter Cesar de [UNESP]2023-08-17T20:11:56Z2023-08-17T20:11:56Z2023-02-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/11449/25032833004064021P7porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-05-02T20:24:24Zoai:repositorio.unesp.br:11449/250328Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-05-02T20:24:24Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
Application of principal component analysis in the imputation of missing values in high-dimensional agrometeorological data
title Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
spellingShingle Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
Souza, Valter Cesar de [UNESP]
Agrometeorologia
Dados Meteorológicos
evapotranspiração
Imputação
Simulação
Agrometeorology
Meteorological Data
Evapotranspiration
Imputation
Simulation
title_short Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
title_full Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
title_fullStr Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
title_full_unstemmed Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
title_sort Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
author Souza, Valter Cesar de [UNESP]
author_facet Souza, Valter Cesar de [UNESP]
author_role author
dc.contributor.none.fl_str_mv Rodrigues, Sergio Augusto
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Souza, Valter Cesar de [UNESP]
dc.subject.por.fl_str_mv Agrometeorologia
Dados Meteorológicos
evapotranspiração
Imputação
Simulação
Agrometeorology
Meteorological Data
Evapotranspiration
Imputation
Simulation
topic Agrometeorologia
Dados Meteorológicos
evapotranspiração
Imputação
Simulação
Agrometeorology
Meteorological Data
Evapotranspiration
Imputation
Simulation
description Esta pesquisa aborda o tema Missing Value Imputation (MVI) com foco em agrometeorologia, na estimativa e imputação de dados de evapotranspiração de referência. O trabalho foi dividido em três capítulos, entendidos como revisão, metodologia e aplicação. O Capítulo 1 apresenta uma revisão bibliométrica abrangendo cerca de 19.745 publicações entre 1940 e 2022, destacando os principais pesquisadores, artigos, periódicos, instituições e países no assunto MVI. O Capítulo 2 apresenta uma proposta detalhada do planejamento de uma simulação em MVI, abordando o banco e tipo de dados, mecanismo e taxa de falta, técnica de imputação e método de avaliação de desempenho. Essas informações são preparatórias para a aplicação. O Capítulo 3 avalia o desempenho de procedimentos multivariados alternativos de análise de componentes principais na imputação de dados ausentes em base de dados de evapotranspiração. Foram utilizados dados do período de 2012 a 2021 de quarenta e cinco estações meteorológicas automáticas da região de São Paulo, Brasil, simulando diferentes cenários de dados faltantes. Esta pesquisa ressalta a importância da agrometeorologia, a necessidade de tratar dados ausentes por meio de técnicas de MVI e a eficácia de procedimentos alternativos de análise de componentes principais na imputação de valores faltantes.
publishDate 2023
dc.date.none.fl_str_mv 2023-08-17T20:11:56Z
2023-08-17T20:11:56Z
2023-02-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/250328
33004064021P7
url http://hdl.handle.net/11449/250328
identifier_str_mv 33004064021P7
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1799965019580923904

Registros relacionados