Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação

Detalhes bibliográficos
Autor(a) principal: Ruezzene, Camila Bermond
Data de Publicação: 2019
Outros Autores: Miranda, Renato Billia de, Mauad, Frederico Fabio
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/244579
Resumo: O objetivo deste estudo foi de realizar levantamento bibliográfico dos principais métodos de preenchimentos de falhas em dados de precipitação. Os métodos de preenchimento contribuem para a geração de dados mais confiáveis e nesta revisão foram abordados os métodos de regressão linear em que estima-se os parâmetros da regressão para determinar dados em falta; ponderação regional preenche a série por ponderação com pelo menos três postos vizinhos; interpolação do inverso da distância é definido a vizinhança e os parâmetros de ponderação e calcula-se os dados ausentes por interpolação utilizando ponderação; razão normal é realizado a ponderação dos dados registrados pelas estações vizinhas e redes neurais artificiais determina-se a arquitetura da rede e estima-se parâmetros e dados perdidos. A reconstrução de séries históricas por esses métodos possibilita a realização de estudos detalhados das alterações climáticas e fornecem subsídios para o planejamento de gestão de recursos hídricos nas diversas regiões do país.
id UFSC_55cff39e0158ffb4d0f914fbee92790b
oai_identifier_str oai:repositorio.ufsc.br:123456789/244579
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitaçãoBibliographic review of the main methods of filling in precipitation dataRegressão linear;Ponderação regional;Redes neurais artificiais.Linear regression; Regional weighting; Artificial neural networks.O objetivo deste estudo foi de realizar levantamento bibliográfico dos principais métodos de preenchimentos de falhas em dados de precipitação. Os métodos de preenchimento contribuem para a geração de dados mais confiáveis e nesta revisão foram abordados os métodos de regressão linear em que estima-se os parâmetros da regressão para determinar dados em falta; ponderação regional preenche a série por ponderação com pelo menos três postos vizinhos; interpolação do inverso da distância é definido a vizinhança e os parâmetros de ponderação e calcula-se os dados ausentes por interpolação utilizando ponderação; razão normal é realizado a ponderação dos dados registrados pelas estações vizinhas e redes neurais artificiais determina-se a arquitetura da rede e estima-se parâmetros e dados perdidos. A reconstrução de séries históricas por esses métodos possibilita a realização de estudos detalhados das alterações climáticas e fornecem subsídios para o planejamento de gestão de recursos hídricos nas diversas regiões do país.The objective of this study was to carry out a bibliographical survey of the main methods of filling of faults in precipitation data. Filling methods contribute to the generation of more reliable data and in this review we have addressed the linear regression methods in which the regression parameters are estimated to determine missing data; regional weighting completes the series by weighting with at least three neighboring posts; interpolation of the inverse of the distance is defined the neighborhood and the weighting parameters and calculates the missing data by interpolation using weighting; normal reason is carried out the weighting of the data recorded by neighboring stations and artificial neural networks determines the network architecture and estimates lost parameters and data. The reconstruction of historical series by these methods makes it possible to carry out detailed studies of climate change and provides subsidies for the planning of water resources management in the various regions of the country.Grupo de Pesquisa Virtuhab/ UFSC2023-02-22T18:34:26Z2023-02-22T18:34:26Z2019-05-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdf2596-237Xhttps://repositorio.ufsc.br/handle/123456789/244579Ruezzene, Camila BermondMiranda, Renato Billia deMauad, Frederico Fabioporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2023-02-22T18:34:33Zoai:repositorio.ufsc.br:123456789/244579Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-02-22T18:34:33Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
Bibliographic review of the main methods of filling in precipitation data
title Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
spellingShingle Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
Ruezzene, Camila Bermond
Regressão linear;
Ponderação regional;
Redes neurais artificiais.
Linear regression; Regional weighting; Artificial neural networks.
title_short Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
title_full Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
title_fullStr Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
title_full_unstemmed Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
title_sort Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
author Ruezzene, Camila Bermond
author_facet Ruezzene, Camila Bermond
Miranda, Renato Billia de
Mauad, Frederico Fabio
author_role author
author2 Miranda, Renato Billia de
Mauad, Frederico Fabio
author2_role author
author
dc.contributor.author.fl_str_mv Ruezzene, Camila Bermond
Miranda, Renato Billia de
Mauad, Frederico Fabio
dc.subject.por.fl_str_mv Regressão linear;
Ponderação regional;
Redes neurais artificiais.
Linear regression; Regional weighting; Artificial neural networks.
topic Regressão linear;
Ponderação regional;
Redes neurais artificiais.
Linear regression; Regional weighting; Artificial neural networks.
description O objetivo deste estudo foi de realizar levantamento bibliográfico dos principais métodos de preenchimentos de falhas em dados de precipitação. Os métodos de preenchimento contribuem para a geração de dados mais confiáveis e nesta revisão foram abordados os métodos de regressão linear em que estima-se os parâmetros da regressão para determinar dados em falta; ponderação regional preenche a série por ponderação com pelo menos três postos vizinhos; interpolação do inverso da distância é definido a vizinhança e os parâmetros de ponderação e calcula-se os dados ausentes por interpolação utilizando ponderação; razão normal é realizado a ponderação dos dados registrados pelas estações vizinhas e redes neurais artificiais determina-se a arquitetura da rede e estima-se parâmetros e dados perdidos. A reconstrução de séries históricas por esses métodos possibilita a realização de estudos detalhados das alterações climáticas e fornecem subsídios para o planejamento de gestão de recursos hídricos nas diversas regiões do país.
publishDate 2019
dc.date.none.fl_str_mv 2019-05-08
2023-02-22T18:34:26Z
2023-02-22T18:34:26Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv 2596-237X
https://repositorio.ufsc.br/handle/123456789/244579
identifier_str_mv 2596-237X
url https://repositorio.ufsc.br/handle/123456789/244579
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 Grupo de Pesquisa Virtuhab/ UFSC
publisher.none.fl_str_mv Grupo de Pesquisa Virtuhab/ UFSC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808651918978842624