APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Climatologia (Online) |
Texto Completo: | https://revistas.ufpr.br/revistaabclima/article/view/46404 |
Resumo: | Os sensores instalados em estações meteorológicas podem gerar uma grande quantidade de dados todos os dias. Esses dados, eventualmente, precisam ser processados antes de serem analisados. Nesse processo, a quantidade de dados pode dificultar a sua manipulação, controle e interpretação. Inclusive para técnicas computacionais, a quantidade de dados são consequências de um maior tempo de processamento. Dessa forma, espera-se que reduzir a quantidade de dados possa facilitar, do ponto de vista computacional, a manipulação desse tipo de dado. Entretanto, a redução pode gerar perda de informação importante na série. Este trabalho avaliou a utilização de técnicas de representação de dados, com o intuito de reduzir a série de dados ao mesmo tempo que as características da série sejam conservadas. Testes foram realizados para avaliar a conservação das características da série de dados após a redução. Mesmo com a série reduzida em 80%, operações de tratamento de dados microclimáticos puderam ser realizadas com a mesma eficácia do que se fossem realizadas com a série original, indicando que as características originais da série foram mantidas. As técnicas de representação de dados com melhor desempenho foram Amostragem e Perceptually Important Points. |
id |
ABCLIMA-1_d18d810b30f36b4ef32f6b5604238f60 |
---|---|
oai_identifier_str |
oai:revistas.ufpr.br:article/46404 |
network_acronym_str |
ABCLIMA-1 |
network_name_str |
Revista Brasileira de Climatologia (Online) |
repository_id_str |
|
spelling |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOSAmostragem; Piecewise Aggregate Approximation; Perceptually Important Points; preenchimento de falhas; detecção de outliersOs sensores instalados em estações meteorológicas podem gerar uma grande quantidade de dados todos os dias. Esses dados, eventualmente, precisam ser processados antes de serem analisados. Nesse processo, a quantidade de dados pode dificultar a sua manipulação, controle e interpretação. Inclusive para técnicas computacionais, a quantidade de dados são consequências de um maior tempo de processamento. Dessa forma, espera-se que reduzir a quantidade de dados possa facilitar, do ponto de vista computacional, a manipulação desse tipo de dado. Entretanto, a redução pode gerar perda de informação importante na série. Este trabalho avaliou a utilização de técnicas de representação de dados, com o intuito de reduzir a série de dados ao mesmo tempo que as características da série sejam conservadas. Testes foram realizados para avaliar a conservação das características da série de dados após a redução. Mesmo com a série reduzida em 80%, operações de tratamento de dados microclimáticos puderam ser realizadas com a mesma eficácia do que se fossem realizadas com a série original, indicando que as características originais da série foram mantidas. As técnicas de representação de dados com melhor desempenho foram Amostragem e Perceptually Important Points.Universidade Federal do ParanáFundação de Amparo à Pesquisa do Estado de Mato Grosso (Fapemat)da Cruz, Johnnes Santos VeigaVentura, Thiago Meirellesde Oliveira, Allan GonçalvesRodrigues, Thiago Rangelde Figueiredo, Josiel MaimoneGomes, Raphael de Souza RosaNogueira, José de Souza2019-10-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/revistaabclima/article/view/4640410.5380/abclima.v25i0.46404Revista Brasileira de Climatologia; v. 25 (2019)2237-86421980-055X10.5380/abclima.v25i0reponame:Revista Brasileira de Climatologia (Online)instname:ABClimainstacron:ABCLIMAporhttps://revistas.ufpr.br/revistaabclima/article/view/46404/39520Direitos autorais 2019 Johnnes Santos Veiga da Cruz, Thiago Meirelles Ventura, Allan Gonçalves de Oliveira, Thiago Rangel Rodrigues, Josiel Maimone de Figueiredo, Raphael de Souza Rosa Gomes, José de Souza Nogueirainfo:eu-repo/semantics/openAccess2019-10-08T11:59:37Zoai:revistas.ufpr.br:article/46404Revistahttps://revistas.ufpr.br/revistaabclima/indexPUBhttps://revistas.ufpr.br/revistaabclima/oaiegalvani@usp.br || rbclima2014@gmail.com2237-86421980-055Xopendoar:2019-10-08T11:59:37Revista Brasileira de Climatologia (Online) - ABClimafalse |
dc.title.none.fl_str_mv |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
title |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
spellingShingle |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS da Cruz, Johnnes Santos Veiga Amostragem; Piecewise Aggregate Approximation; Perceptually Important Points; preenchimento de falhas; detecção de outliers |
title_short |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
title_full |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
title_fullStr |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
title_full_unstemmed |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
title_sort |
APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS |
author |
da Cruz, Johnnes Santos Veiga |
author_facet |
da Cruz, Johnnes Santos Veiga Ventura, Thiago Meirelles de Oliveira, Allan Gonçalves Rodrigues, Thiago Rangel de Figueiredo, Josiel Maimone Gomes, Raphael de Souza Rosa Nogueira, José de Souza |
author_role |
author |
author2 |
Ventura, Thiago Meirelles de Oliveira, Allan Gonçalves Rodrigues, Thiago Rangel de Figueiredo, Josiel Maimone Gomes, Raphael de Souza Rosa Nogueira, José de Souza |
author2_role |
author author author author author author |
dc.contributor.none.fl_str_mv |
Fundação de Amparo à Pesquisa do Estado de Mato Grosso (Fapemat) |
dc.contributor.author.fl_str_mv |
da Cruz, Johnnes Santos Veiga Ventura, Thiago Meirelles de Oliveira, Allan Gonçalves Rodrigues, Thiago Rangel de Figueiredo, Josiel Maimone Gomes, Raphael de Souza Rosa Nogueira, José de Souza |
dc.subject.por.fl_str_mv |
Amostragem; Piecewise Aggregate Approximation; Perceptually Important Points; preenchimento de falhas; detecção de outliers |
topic |
Amostragem; Piecewise Aggregate Approximation; Perceptually Important Points; preenchimento de falhas; detecção de outliers |
description |
Os sensores instalados em estações meteorológicas podem gerar uma grande quantidade de dados todos os dias. Esses dados, eventualmente, precisam ser processados antes de serem analisados. Nesse processo, a quantidade de dados pode dificultar a sua manipulação, controle e interpretação. Inclusive para técnicas computacionais, a quantidade de dados são consequências de um maior tempo de processamento. Dessa forma, espera-se que reduzir a quantidade de dados possa facilitar, do ponto de vista computacional, a manipulação desse tipo de dado. Entretanto, a redução pode gerar perda de informação importante na série. Este trabalho avaliou a utilização de técnicas de representação de dados, com o intuito de reduzir a série de dados ao mesmo tempo que as características da série sejam conservadas. Testes foram realizados para avaliar a conservação das características da série de dados após a redução. Mesmo com a série reduzida em 80%, operações de tratamento de dados microclimáticos puderam ser realizadas com a mesma eficácia do que se fossem realizadas com a série original, indicando que as características originais da série foram mantidas. As técnicas de representação de dados com melhor desempenho foram Amostragem e Perceptually Important Points. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-10-01 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://revistas.ufpr.br/revistaabclima/article/view/46404 10.5380/abclima.v25i0.46404 |
url |
https://revistas.ufpr.br/revistaabclima/article/view/46404 |
identifier_str_mv |
10.5380/abclima.v25i0.46404 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufpr.br/revistaabclima/article/view/46404/39520 |
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.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Universidade Federal do Paraná |
publisher.none.fl_str_mv |
Universidade Federal do Paraná |
dc.source.none.fl_str_mv |
Revista Brasileira de Climatologia; v. 25 (2019) 2237-8642 1980-055X 10.5380/abclima.v25i0 reponame:Revista Brasileira de Climatologia (Online) instname:ABClima instacron:ABCLIMA |
instname_str |
ABClima |
instacron_str |
ABCLIMA |
institution |
ABCLIMA |
reponame_str |
Revista Brasileira de Climatologia (Online) |
collection |
Revista Brasileira de Climatologia (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Climatologia (Online) - ABClima |
repository.mail.fl_str_mv |
egalvani@usp.br || rbclima2014@gmail.com |
_version_ |
1754839542143123456 |