News

Banca de DEFESA: CARLOS TAKESHI KUDO YASOJIMA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: CARLOS TAKESHI KUDO YASOJIMA
DATA: 30/03/2020
HORA: 09:30
LOCAL: LabComp - 01
TÍTULO:

Modelo de Krigagem Automática Baseada em Agrupamento


PALAVRAS-CHAVES:

Interpolação espacial. Modelagem do Variograma. Clusterização. Algoritmos bioinspirados. Krigagem.


PÁGINAS: 106
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

A krigagem é uma técnica de interpolação da geoestatística que realiza a predição de medições e observações em localidades desconhecidas com base em dados previamente coletados. A qualidade da predição deste método é diretamente ligada à qualidade da modelagem do variograma teórico. O método convencional e muito utilizado da modelagem do variograma teórico, consiste na utilização de conhecimento especialista e estudo aprofundado para determinar quais são os parâmetros adequados para a modelagem. No entanto, essa situação não é sempre possível, e nesses casos, torna-se interessante a aplicação de um processo automático. Diante deste cenário, este trabalho propõe um modelo para automatizar etapas do processo de krigagem incluindo a modelagem do variograma teórico. O modelo proposto  baseia-se em técnicas de pré-processamento, clusterização de dados, algoritmos bioinspirados e a classificação via K-vizinhos mais próximos. O desempenho do modelo foi avaliado utilizando duas bases de dados, sendo os resultados comparados com de outras técnicas de otimização consolidadas na literatura de krigagem. Os impactos da etapa de clusterização na hipótese da estacionariedade também é investigada por meio da aplicação de técnicas de remoção de trends. Os resultados demonstraram que nesta proposta automatizada, a clusterização alcança os melhores resultados na predição da krigagem. No entanto, a divisão da base de dados em subgrupos por consequência gera dados não estacionários. Algoritmos genéticos e bioinspirados em geral são facilmente configurados com base em uma heurística para definir os ranges (limites máximos e mínimos) das variáveis em comparação com outras técnicas estudadas. A classificação via K-vizinhos mais próximos é satisfatória em solucionar problemas causados pela tarefa de clusterização e alocando pontos desconhecidos nos clusters previamente definidos.


MEMBROS DA BANCA:
Presidente - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Interno - 2325270 - BIANCHI SERIQUE MEIGUINS
Interno - 2659210 - NELSON CRUZ SAMPAIO NETO
Externo ao Programa - 2344780 - JOAO MARCELO BRAZAO PROTAZIO
Externo ao Programa - 327875 - PAULO CERQUEIRA DOS SANTOS
Externo ao Programa - 3132807 - REGINALDO CORDEIRO DOS SANTOS FILHO
Notícia cadastrada em: 10/03/2020 14:10
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - bacaba.ufpa.br.bacaba2