Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos

Detalhes bibliográficos
Autor(a) principal: Bonfante, Andreia Gentil
Data de Publicação: 2013
Outros Autores: Ventura, Thiago Meirelles, Oliveira, Allan Gonçalves de, Marques, Henrique Oliveira, Oliveira, Roberto Silva, Martins, Claudia Aparecida, Figueiredo, Josiel Maimone de
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Brasileira de Ciências Ambientais (Online)
Texto Completo: https://www.rbciamb.com.br/Publicacoes_RBCIAMB/article/view/299
Resumo: Estações micro meteorológicas utilizam equipamentos para captar dados sobre fenômenos climatológicos. Essa captação está sujeita a falhas e influências externas que ocasiona ausência de dados no conjunto de dados gerados. Técnicas matemáticas e computacionais são comumente usadas com o objetivo de preencher essas falhas nos dados. Este trabalho apresenta uma abordagem computacional que utiliza técnica de redes neurais, combinada com algoritmos genéticos, aplicada a dados reais com o objetivo de preencher falhas em séries de temperatura em uma região de cerrado no estado de Mato Grosso. Nos testes realizados, os coeficientes de correlação variaram entre 0,79 e 0,96 e o erro médio absoluto entre de 0,62 e 1,22, mostrando um bom desempenho da rede neural para uma série de dados com valores ausentes.
id ABES-2_6ac4ba5ed746fd603f09420a8065c502
oai_identifier_str oai:ojs.www.rbciamb.com.br:article/299
network_acronym_str ABES-2
network_name_str Revista Brasileira de Ciências Ambientais (Online)
repository_id_str
spelling Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicosmicro meteorologia, fenômenos climatológicos.Estações micro meteorológicas utilizam equipamentos para captar dados sobre fenômenos climatológicos. Essa captação está sujeita a falhas e influências externas que ocasiona ausência de dados no conjunto de dados gerados. Técnicas matemáticas e computacionais são comumente usadas com o objetivo de preencher essas falhas nos dados. Este trabalho apresenta uma abordagem computacional que utiliza técnica de redes neurais, combinada com algoritmos genéticos, aplicada a dados reais com o objetivo de preencher falhas em séries de temperatura em uma região de cerrado no estado de Mato Grosso. Nos testes realizados, os coeficientes de correlação variaram entre 0,79 e 0,96 e o erro médio absoluto entre de 0,62 e 1,22, mostrando um bom desempenho da rede neural para uma série de dados com valores ausentes.Zeppelini Publishers2013-03-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://www.rbciamb.com.br/Publicacoes_RBCIAMB/article/view/299Revista Brasileira de Ciências Ambientais (Online); n. 27 (2013): RBCIAMB - ISSN 2176-9478 - Março; 61-70Brazilian Journal of Environmental Sciences (Online); No. 27 (2013): RBCIAMB - ISSN 2176-9478 - March; 61-702176-94781808-4524reponame:Revista Brasileira de Ciências Ambientais (Online)instname:Associação Brasileira de Engenharia Sanitária e Ambiental (ABES)instacron:ABESporhttps://www.rbciamb.com.br/Publicacoes_RBCIAMB/article/view/299/253Copyright (c) 2013 Revista Brasileira de Ciências Ambientais (Online)info:eu-repo/semantics/openAccessBonfante, Andreia GentilVentura, Thiago MeirellesOliveira, Allan Gonçalves deMarques, Henrique OliveiraOliveira, Roberto SilvaMartins, Claudia AparecidaFigueiredo, Josiel Maimone de2020-10-18T22:05:55Zoai:ojs.www.rbciamb.com.br:article/299Revistahttp://www.rbciamb.com.br/index.php/Publicacoes_RBCIAMBhttps://www.rbciamb.com.br/Publicacoes_RBCIAMB/oairbciamb@abes-dn.org.br||2176-94781804-4524opendoar:2020-10-18T22:05:55Revista Brasileira de Ciências Ambientais (Online) - Associação Brasileira de Engenharia Sanitária e Ambiental (ABES)false
dc.title.none.fl_str_mv Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
title Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
spellingShingle Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
Bonfante, Andreia Gentil
micro meteorologia, fenômenos climatológicos.
title_short Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
title_full Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
title_fullStr Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
title_full_unstemmed Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
title_sort Uma abordagem computacional para preenchimento de falhas em dados micro meteorológicos
author Bonfante, Andreia Gentil
author_facet Bonfante, Andreia Gentil
Ventura, Thiago Meirelles
Oliveira, Allan Gonçalves de
Marques, Henrique Oliveira
Oliveira, Roberto Silva
Martins, Claudia Aparecida
Figueiredo, Josiel Maimone de
author_role author
author2 Ventura, Thiago Meirelles
Oliveira, Allan Gonçalves de
Marques, Henrique Oliveira
Oliveira, Roberto Silva
Martins, Claudia Aparecida
Figueiredo, Josiel Maimone de
author2_role author
author
author
author
author
author
dc.contributor.author.fl_str_mv Bonfante, Andreia Gentil
Ventura, Thiago Meirelles
Oliveira, Allan Gonçalves de
Marques, Henrique Oliveira
Oliveira, Roberto Silva
Martins, Claudia Aparecida
Figueiredo, Josiel Maimone de
dc.subject.por.fl_str_mv micro meteorologia, fenômenos climatológicos.
topic micro meteorologia, fenômenos climatológicos.
description Estações micro meteorológicas utilizam equipamentos para captar dados sobre fenômenos climatológicos. Essa captação está sujeita a falhas e influências externas que ocasiona ausência de dados no conjunto de dados gerados. Técnicas matemáticas e computacionais são comumente usadas com o objetivo de preencher essas falhas nos dados. Este trabalho apresenta uma abordagem computacional que utiliza técnica de redes neurais, combinada com algoritmos genéticos, aplicada a dados reais com o objetivo de preencher falhas em séries de temperatura em uma região de cerrado no estado de Mato Grosso. Nos testes realizados, os coeficientes de correlação variaram entre 0,79 e 0,96 e o erro médio absoluto entre de 0,62 e 1,22, mostrando um bom desempenho da rede neural para uma série de dados com valores ausentes.
publishDate 2013
dc.date.none.fl_str_mv 2013-03-31
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://www.rbciamb.com.br/Publicacoes_RBCIAMB/article/view/299
url https://www.rbciamb.com.br/Publicacoes_RBCIAMB/article/view/299
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://www.rbciamb.com.br/Publicacoes_RBCIAMB/article/view/299/253
dc.rights.driver.fl_str_mv Copyright (c) 2013 Revista Brasileira de Ciências Ambientais (Online)
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2013 Revista Brasileira de Ciências Ambientais (Online)
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Zeppelini Publishers
publisher.none.fl_str_mv Zeppelini Publishers
dc.source.none.fl_str_mv Revista Brasileira de Ciências Ambientais (Online); n. 27 (2013): RBCIAMB - ISSN 2176-9478 - Março; 61-70
Brazilian Journal of Environmental Sciences (Online); No. 27 (2013): RBCIAMB - ISSN 2176-9478 - March; 61-70
2176-9478
1808-4524
reponame:Revista Brasileira de Ciências Ambientais (Online)
instname:Associação Brasileira de Engenharia Sanitária e Ambiental (ABES)
instacron:ABES
instname_str Associação Brasileira de Engenharia Sanitária e Ambiental (ABES)
instacron_str ABES
institution ABES
reponame_str Revista Brasileira de Ciências Ambientais (Online)
collection Revista Brasileira de Ciências Ambientais (Online)
repository.name.fl_str_mv Revista Brasileira de Ciências Ambientais (Online) - Associação Brasileira de Engenharia Sanitária e Ambiental (ABES)
repository.mail.fl_str_mv rbciamb@abes-dn.org.br||
_version_ 1797068921146179584

Registros relacionados