
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Krueger, Cláudia Pereira, 1964- | - |
| Autor(es): dc.contributor | Coelho, Leandro dos Santos, 1968- | - |
| Autor(es): dc.contributor | Heck, Bernard | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas | - |
| Autor(es): dc.creator | Gonçalves, Rodrigo Mikosz | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T13:56:35Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T13:56:35Z | - |
| Data de envio: dc.date.issued | 2024-12-05 | - |
| Data de envio: dc.date.issued | 2024-12-05 | - |
| Data de envio: dc.date.issued | 2010 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/25346 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/25346 | - |
| Descrição: dc.description | Orientadores: Profª Drª Claudia Pereira Krueger, Prof. Dr. Leandro dos Santos Coelho e Prof. Dr. Bernard Heck | - |
| Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa: Curitiba, 25/02/2010 | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo: Monitorar e gerenciar a linha de costa é importante em áreas costeiras, mas ainda representa uma tarefa difícil. Conhecer a variabilidade da linha de costa é crucial para operações realizadas por cientistas costeiros, engenheiros e administradores públicos que necessitam de informações sobre a posição da linha da costa, no passado, presente e, possivelmente, onde irá estar no futuro. Primeiro, é ecessário fornecer uma definição funcional de linha de costa e, em seguida, desenvolver uma técnica suficientemente sólida que permita identificar e extrair a posição espacial da linha de costa com base na fonte de dados disponíveis para seu estudo. As informações históricas usadas para uma análise de curto-prazo são dependentes das incertezas associadas com a coleta dos dados antigos. O principal problema que acontece no Brasil está em recuperar dados com informações históricas sobre levantamentos e mapeamentos do passado. Com o propósito de estudar a dinâmica espacial da linha de costa no litoral do Paraná tornou-se necessário reunir dados cartográficos e materiais provenientes da fotogrametria analógica. Estes dados se referem à extração das linhas de costa temporais para anos 1954, 1963, 1980, 1991 e 1997, em 6 km de extensão no litoral do município de Matinhos no estado do Paraná, Brasil. Usando esses dados fotogramétricos, e dados obtidos por receptores GPS (Global Positioning System) para 2001, 2002, 2005 e 2008 (como controle), efetuaram-se comparações e avaliações estatísticas aplicando três diferentes modelos de tendência para linha de costa, incluindo-se: estimativa robusta, redes neurais artificiais e regressão linear. Na parte experimental, alguns testes, mudando a matriz dos pesos, para o caso de regressão linear e estimativa robusta foram efetuados. Diferentes testes com as redes neurais artificiais foram organizados mudando alguns parâmetros como: arquitetura (rede neural parcialmente recorrente de Elman e perceptron multicamadas), número de neurônios nas camadas ocultas e algoritmos de treinamentos. Os melhores resultados estatísticos indicaram que o MAPE (Mean Absolute Percentage Error), quando comparados os resíduos entre a predição e a linha de costa de controle, são respectivamente 0,33% para a regressão linear, 0,14% para estimativa robusta e 0,28% para o caso da rede neural de Elman com o algoritmo de treinamento quase-Newton utilizando 10 neurônios na camada oculta. Em outra comparação simulando 50 anos no futuro verificaram-se diferenças de até 400 metros nas posições das linhas de costa preditas entre os modelos de regressão linear e estimativa robusta. Os resultados indicam a importância da escolha dos modelos de tendência para linha de costa e aplicabilidades neste caso específico de estudo. | - |
| Descrição: dc.description | Abstract: Monitoring and management of shoreline is important along the coast but remains a difficult task. The shoreline variability is crucial for daily operations undertaken by coastal scientists, engineers, and public managers who require information on the position of the shoreline in the past, present and possibly where it will move in the future. First, it is necessary to provide a functional definition of the shoreline, and then proceed to develop a sufficiently robust technique that would enable the detection and positional extraction of the chosen shoreline feature within the available data source. The historical information used for a short-term analysis is always dependent on uncertainties associated with old data collection. The main difficulty that happens often in Brazil, is to obtain historical information about surveys and mapping from the ast. With the proposal to study shoreline dynamics at Paraná coast it became necessary to find cartographic information about it, and some old material from analogue photogrammetry was found. These data, related to the years 1954, 1963, 1980, 1991 and 1997, were used for shoreline extraction in a 6 km section of Matinhos beach in the state of Paraná, Brazil. Using these photogrammetric data, and GPS (Global Positioning System) data for 2001, 2002, 2005 and 2008 (as control), this study aims to demonstrate a comparison and assessment between three different models of shoreline prediction: robust parameter estimation, neural network and linear regression. Some tests changing the weigh matrix for the case of linear regression and robust estimation were done. Different tests with neural network were organized setting the parameters like: architecture (Elman and feedforward backpropagation network), number of neuron in hidden layers and the training algorithms. The best statistics results shows the MAPE (Mean Absolute Percentage Error) when compared with the residuals between the prediction and the shoreline of control are respectively 0,33% for linear regression, 0,14% for robust estimation and 0,28% for the case of neural etwork with the Elman network using the quasi-Newton training function and 10 neurons in the hidden layer. Another comparison simulating 50 years in the future, shows differences reaching 400 m in positions of predictive shorelines between the linear regression and robust estimation. The results highlighting the importance of the model choice for predicting the shoreline and the applicability in this specific case of study. | - |
| Formato: dc.format | 152f. : il. algumas color. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Relação: dc.relation | Disponível em formato digital | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Costa | - |
| Palavras-chave: dc.subject | Gerenciamento costeiro | - |
| Palavras-chave: dc.subject | Fotogrametria aerea | - |
| Palavras-chave: dc.subject | Geodésia | - |
| Título: dc.title | Modelagem de tendência a curto-prazo da linha de costa através de dados geodésicos temporais utilizando regressão linear, estimativa robusta e redes neurais artificiais | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: