Modelagem do relevo oceânico usando Redes Neurais Artificiais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKrueger, Claudia Pereira-
Autor(es): dc.contributorSeeber, Gunter-
Autor(es): dc.contributorRibeiro, Selma Regina Aranha-
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas-
Autor(es): dc.contributorUniversidade de Hannover-
Autor(es): dc.creatorSouza, Elaine Cristine Barros de-
Data de aceite: dc.date.accessioned2019-08-22T00:25:31Z-
Data de disponibilização: dc.date.available2019-08-22T00:25:31Z-
Data de envio: dc.date.issued2016-12-22-
Data de envio: dc.date.issued2016-12-22-
Data de envio: dc.date.issued2006-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/1884/4279-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/4279-
Descrição: dc.descriptionOrientadores: Claudia Pereira Krueger, Günter Seeber e Selma Regina Aranha Ribeiro-
Descrição: dc.descriptionInclui apendice-
Descrição: dc.descriptionTese (doutorado) - Universidade Federal do Paraná, Setor de Ciencias da Terra, Programa de Pós-Graduaçao em Ciencias Geodésicas. Defesa: Curitiba, 2006-
Descrição: dc.descriptionInclui bibliografia-
Descrição: dc.descriptionResumo: O objetivo desta pesquisa é propor um método para modelagem do relevo oceânico a partir de dados batimétricos usando Redes Neurais Artificiais (RNA). Os dados batimétricos utilizados na pesquisa foram coletados pelo navio de pesquisas oceanográficas Polarstern (Bremerhaven - Alemanha) durante uma expediçao iniciada em julho de 2000 cobrindo uma área situada na Província de Pelágia, entre a Irlanda e o Reino Unido. Os dados batimétricos foram coletados por um sistema multibeam chamado de Hydrosweep DS-2, e foram cedidos pelo instituto de pesquisas alemao Alfred Wegener Institut für Polar und Meeresforschung (AWI). As informaçoes de profundidades e as intensidades de backscatter serviram como base para os experimentos realizados nesta pesquisa. A área selecionada para as investigaçoes, possui uma variaçao em profundidades de 400 m até 1700 m, sendo águas categorizadas como profundas. O método proposto utiliza a técnica das Redes Neurais Artificiais a fim de se executar a interpolaçao e a integraçao desses dados. O modelo proposto consiste em uma RNA com duas camadas escondidas, fazendo uso do algoritmo de treinamento supervisionado backpropagation . Na primeira etapa dos processamentos, como variáveis de entrada para o treinamento da rede, foram adotadas as posiçoes planimétricas das profundidades dadas pelas coordenadas E, N; as intensidades de backscatter e também foram atribuídos pesos binários aos valores numéricos dos 59 PFB's e pesos lineares, utilizando os ângulos de incidencia dos feixes, variáveis estas, denominadas de peso binário e peso linear. Numa segunda etapa foram utilizadas também as coordenadas planimétricas E, N de uma grade gerada pelo interpolador convencional local, o Inverso do Quadrado da Distância (IQD), e o treinamento executado e armazenado da primeira etapa. Desta forma as grades foram generalizadas pela rede nas mesmas posiçoes da grade IQD, a qual foi adotada como sendo o modelo de referencia "verdade de campo", visando obter as grades RNA nas mesmas posiçoes da grade IQD, variando apenas a coordenada Z (profundidades). As verificaçoes dos processamentos foram feitas mediante análises qualitativas (curvas isobatimétricas) e quantitativas (resíduos), do comportamento das profundidades interpoladas e das grades generalizadas pela rede. Para tal, fez-se uso de elementos amostrais de verificaçao, os quais nao fizeram parte do aprendizado e as saídas da rede (análise pontual). Também foram avaliadas as grades generalizadas pela RNA, comparando-as com o modelo de referencia adotado, isto é, a grade gerada através do algortimo de interpolaçao IQD (análise entre grades).O estudo comprova que o método proposto gera resultados que atendem a precisao do equipamento (multibeam), conforme o fabricante e também conforme especificaçoes da Organizaçao Internacional de Hidrografia (IHO) que preconizam 1% conforme a altura da lâmina d' água para a categoria de profundidades em questao, sendo o erro máximo permitido neste caso de 17 m. A RNA forneceu resultados cujo erro máximo foi de 14 m. Os resultados obtidos indicam que o uso de modelos neurais, treinados por algoritmos de aprendizado supervisionado, é uma alternativa promissora para a modelagem tridimensinal do relevo oceânico, tanto no aspecto da interpolaçao para a estimativa de profundidades como na possibilidade de integraçao de diferentes variáveis de entrada para o treinamento da rede-
Formato: dc.formatxiv, 208f. : il., grafs., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectSensoriamento remoto - Processamento de dados-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectModelagem geologica-
Palavras-chave: dc.subjectTeses-
Palavras-chave: dc.subjectT 526.98-
Título: dc.titleModelagem do relevo oceânico usando Redes Neurais Artificiais-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.