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, Claudia Pereira | - |
Autor(es): dc.contributor | Coelho, Leandro dos Santos | - |
Autor(es): dc.contributor | Heck, Bernard | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciencias da Terra. Programa de Pós-Graduaçao em Ciencias Geodésicas | - |
Autor(es): dc.creator | Gonçalves, Rodrigo Mikosz | - |
Data de aceite: dc.date.accessioned | 2019-08-21T23:40:51Z | - |
Data de disponibilização: dc.date.available | 2019-08-21T23:40:51Z | - |
Data de envio: dc.date.issued | 2011-03-21 | - |
Data de envio: dc.date.issued | 2011-03-21 | - |
Data de envio: dc.date.issued | 2011-03-21 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/1884/25346 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/25346 | - |
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. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Teses | - |
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: