Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMT |
Texto Completo: | http://ri.ufmt.br/handle/1/2186 |
Resumo: | In order to study the environment meteorological data series must be analyzed. However, these data series may contain errors, because of electronic failures, animal action or weather phenomena, among other factors. These failures can result in missing data or outliers, causing difficulties in the data analysis. Therefore, it is important to detect the outliers in the data series and fill in the missing data. This work presents a computational environment that will enable the correction of environmental data. In order to achieve this, three new methods were created in this work: one for gap filling and two for outlier detection. In addition, three other methods were obtained from other studies and were implemented together with the new methods in a single framework. These methods use techniques from the area of artificial intelligence and statistics, which often requires a deep study in order to apply them. However, the developed framework enables the application of these methods, only demanding the configuration of some parameters. Thus, the framework allows the development of applications with functionalities of gap filling and outlier detection. To demonstrate the applicability of these methods a web-based application was developed integrated with the framework. Besides, tests were carried out to verify the performance of each method created compared with those obtained from other studies. It is expected that this structure will increase the quality of data series, assisting in several scientific researches. |
id |
UFMT_d0dbdaae2312edbaa6dc4827e351e112 |
---|---|
oai_identifier_str |
oai:localhost:1/2186 |
network_acronym_str |
UFMT |
network_name_str |
Repositório Institucional da UFMT |
repository_id_str |
|
spelling |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicosTratamento de dadosDados ambientaisInteligência artificialFrameworkCNPQ::CIENCIAS EXATAS E DA TERRA::FISICAData correctionEnvironmental dataArtificial intelligenceFrameworkIn order to study the environment meteorological data series must be analyzed. However, these data series may contain errors, because of electronic failures, animal action or weather phenomena, among other factors. These failures can result in missing data or outliers, causing difficulties in the data analysis. Therefore, it is important to detect the outliers in the data series and fill in the missing data. This work presents a computational environment that will enable the correction of environmental data. In order to achieve this, three new methods were created in this work: one for gap filling and two for outlier detection. In addition, three other methods were obtained from other studies and were implemented together with the new methods in a single framework. These methods use techniques from the area of artificial intelligence and statistics, which often requires a deep study in order to apply them. However, the developed framework enables the application of these methods, only demanding the configuration of some parameters. Thus, the framework allows the development of applications with functionalities of gap filling and outlier detection. To demonstrate the applicability of these methods a web-based application was developed integrated with the framework. Besides, tests were carried out to verify the performance of each method created compared with those obtained from other studies. It is expected that this structure will increase the quality of data series, assisting in several scientific researches.Para realizar o estudo do meio ambiente é necessário efetuar análises em séries de dados meteorológicos. Entretanto, essas séries de dados podem conter erros, por causa de falhas eletrônicas, atividades de animais, ações de fenômenos climáticos, dentre outros fatores. Essas falhas podem ser dados ausentes ou a presença de outliers, causando uma dificuldade na análise dos dados. Portanto, é importante que os outliers nas séries de dados sejam detectados e as falhas preenchidas. Sendo assim, este trabalho apresenta um ambiente computacional para possibilitar o tratamento de dados ambientais. Para tanto, três novos métodos foram criados neste trabalho: um para preenchimento de falhas e dois para detecção de outliers. Além do mais, três outros métodos foram obtidos da literatura e implementados, em conjunto com os novos métodos, em um único framework. Esses métodos utilizam técnicas da área de inteligência artificial e da estatística, o que normalmente exige um estudo aprofundado para a aplicação dos mesmos. Entretanto, o framework desenvolvido viabiliza a aplicação desses métodos, exigindo apenas a configuração de alguns parâmetros. Com isso, o framework permite que sistemas sejam desenvolvidos com funcionalidades de preenchimento de falhas e detecção de outliers. Para demonstrar a aplicação dos métodos um sistema web-based foi desenvolvido integrado ao framework. Além disso, testes foram realizados para verificar o desempenho de cada método criado comparados aos obtidos da literatura. Acredita-se que a disponibilização desse ambiente melhorará a qualidade dos dados ambientais, auxiliando diversas pesquisas científicas.Universidade Federal de Mato GrossoBrasilInstituto de Física (IF)UFMT CUC - CuiabáPrograma de Pós-Graduação em Física AmbientalFigueiredo, Josiel Maimone deNogueira, Marta Cristina de Jesus Albuquerquehttp://lattes.cnpq.br/8280601583280522http://lattes.cnpq.br/1242386923227672Figueiredo, Josiel Maimone de568.019.391-49http://lattes.cnpq.br/1242386923227672Nogueira, Marta Cristina de Jesus Albuquerque531.387.751-87http://lattes.cnpq.br/8280601583280522568.019.391-49531.387.751-87Martins, Claudia Aparecida696.194.416-72http://lattes.cnpq.br/0252766947347684Novais, Jonathan Willian Zangeski016.698.881-26http://lattes.cnpq.br/5665663207008673Barioni, Maria Camila Nardini271.753.308-71http://lattes.cnpq.br/3785426518998830Ventura, Thiago Meirelles2020-12-11T11:50:51Z2015-03-192020-12-11T11:50:51Z2015-02-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisVENTURA, Thiago Meirelles. Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos. 2015. 96 f. Tese (Doutorado em Física Ambiental) - Universidade Federal de Mato Grosso, Instituto de Física, Cuiabá, 2015.http://ri.ufmt.br/handle/1/2186porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMTinstname:Universidade Federal de Mato Grosso (UFMT)instacron:UFMT2020-12-25T06:02:00Zoai:localhost:1/2186Repositório InstitucionalPUBhttp://ri.ufmt.br/oai/requestjordanbiblio@gmail.comopendoar:2020-12-25T06:02Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT)false |
dc.title.none.fl_str_mv |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
title |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
spellingShingle |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos Ventura, Thiago Meirelles Tratamento de dados Dados ambientais Inteligência artificial Framework CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Data correction Environmental data Artificial intelligence Framework |
title_short |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
title_full |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
title_fullStr |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
title_full_unstemmed |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
title_sort |
Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos |
author |
Ventura, Thiago Meirelles |
author_facet |
Ventura, Thiago Meirelles |
author_role |
author |
dc.contributor.none.fl_str_mv |
Figueiredo, Josiel Maimone de Nogueira, Marta Cristina de Jesus Albuquerque http://lattes.cnpq.br/8280601583280522 http://lattes.cnpq.br/1242386923227672 Figueiredo, Josiel Maimone de 568.019.391-49 http://lattes.cnpq.br/1242386923227672 Nogueira, Marta Cristina de Jesus Albuquerque 531.387.751-87 http://lattes.cnpq.br/8280601583280522 568.019.391-49 531.387.751-87 Martins, Claudia Aparecida 696.194.416-72 http://lattes.cnpq.br/0252766947347684 Novais, Jonathan Willian Zangeski 016.698.881-26 http://lattes.cnpq.br/5665663207008673 Barioni, Maria Camila Nardini 271.753.308-71 http://lattes.cnpq.br/3785426518998830 |
dc.contributor.author.fl_str_mv |
Ventura, Thiago Meirelles |
dc.subject.por.fl_str_mv |
Tratamento de dados Dados ambientais Inteligência artificial Framework CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Data correction Environmental data Artificial intelligence Framework |
topic |
Tratamento de dados Dados ambientais Inteligência artificial Framework CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Data correction Environmental data Artificial intelligence Framework |
description |
In order to study the environment meteorological data series must be analyzed. However, these data series may contain errors, because of electronic failures, animal action or weather phenomena, among other factors. These failures can result in missing data or outliers, causing difficulties in the data analysis. Therefore, it is important to detect the outliers in the data series and fill in the missing data. This work presents a computational environment that will enable the correction of environmental data. In order to achieve this, three new methods were created in this work: one for gap filling and two for outlier detection. In addition, three other methods were obtained from other studies and were implemented together with the new methods in a single framework. These methods use techniques from the area of artificial intelligence and statistics, which often requires a deep study in order to apply them. However, the developed framework enables the application of these methods, only demanding the configuration of some parameters. Thus, the framework allows the development of applications with functionalities of gap filling and outlier detection. To demonstrate the applicability of these methods a web-based application was developed integrated with the framework. Besides, tests were carried out to verify the performance of each method created compared with those obtained from other studies. It is expected that this structure will increase the quality of data series, assisting in several scientific researches. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-03-19 2015-02-27 2020-12-11T11:50:51Z 2020-12-11T11:50:51Z |
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 |
VENTURA, Thiago Meirelles. Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos. 2015. 96 f. Tese (Doutorado em Física Ambiental) - Universidade Federal de Mato Grosso, Instituto de Física, Cuiabá, 2015. http://ri.ufmt.br/handle/1/2186 |
identifier_str_mv |
VENTURA, Thiago Meirelles. Criação de um ambiente computacional para detecção de outliers e preenchimento de falhas em dados meteorológicos. 2015. 96 f. Tese (Doutorado em Física Ambiental) - Universidade Federal de Mato Grosso, Instituto de Física, Cuiabá, 2015. |
url |
http://ri.ufmt.br/handle/1/2186 |
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.publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso Brasil Instituto de Física (IF) UFMT CUC - Cuiabá Programa de Pós-Graduação em Física Ambiental |
publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso Brasil Instituto de Física (IF) UFMT CUC - Cuiabá Programa de Pós-Graduação em Física Ambiental |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMT instname:Universidade Federal de Mato Grosso (UFMT) instacron:UFMT |
instname_str |
Universidade Federal de Mato Grosso (UFMT) |
instacron_str |
UFMT |
institution |
UFMT |
reponame_str |
Repositório Institucional da UFMT |
collection |
Repositório Institucional da UFMT |
repository.name.fl_str_mv |
Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT) |
repository.mail.fl_str_mv |
jordanbiblio@gmail.com |
_version_ |
1804648504294899712 |