Revisão bibliográfica dos principais métodos de preenchimento de falhas em dados de precipitação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , |
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 |