Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Rosa, Joel Maurício Corrêa da | - |
Autor(es): dc.contributor | Silva, Nilza Barros da | - |
Autor(es): dc.contributor | Rosa, Joel Maurício Corrêa da | - |
Autor(es): dc.contributor | Carvalho, Márcia Marques de | - |
Autor(es): dc.contributor | Almeida, Ricardo Carvalho de | - |
Autor(es): dc.creator | Lopes, Natália Santos | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:22:45Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:22:45Z | - |
Data de envio: dc.date.issued | 2020-08-28 | - |
Data de envio: dc.date.issued | 2020-08-28 | - |
Data de envio: dc.date.issued | 2011 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14803 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/769357 | - |
Descrição: dc.description | Os dados observados oriundos de estações meteorológicas costeiras são utilizados em diversas atividades do Serviço Meteorológico Marinho, tais como: previsão do tempo, climatologia e avaliação de desempenho de modelos numéricos. Entretanto, muitas vezes estas séries são repletas de valores faltantes o que dificulta e, em alguns casos, podem até impossibilitar seu uso. O objetivo deste estudo é avaliar qual método, de Regressão Linear Múltipla ou Rede Neural Artificial, apresenta melhor desempenho na reconstrução de séries de pressão, umidade relativa, intensidade do vento e temperatura do ar de duas estações meteorológicas costeiras das regiões Sudeste (Ilha Rasa) e Nordeste (Calcanhar) do Brasil. As análises mostraram melhor desempenho do método das Redes Neurais Artificiais para estação Calcanhar e melhor desempenho do mtodo de Regressão Linear Múltipla para a estação Ilha Rasa. Ademais, o experimento onde se utilizou como variáveis preditoras, além de dados de estações próximas, os dados da própria conseguiu preencher os dados faltosos com maior acurácia. Dentre a variáveis estudadas, as previsões dos dados de pressão e temperatura do ar tiveram melhor desempenho quando comparadas com as variáveis intensidade do vento e umidade relativa. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Regressão linear múltipla | - |
Palavras-chave: dc.subject | Redes neurais artificiais | - |
Palavras-chave: dc.subject | Reconstrução de falhas | - |
Palavras-chave: dc.subject | Regressão (Estatística) | - |
Palavras-chave: dc.subject | Modelo linear (Estatística) | - |
Palavras-chave: dc.subject | Climatologia | - |
Palavras-chave: dc.subject | Rede neural artificial | - |
Título: dc.title | Avaliação do uso de redes neurais e regressão linear múltipla na recomposição de dados atmosféricos de estações costeiras da Marinha do Brasil | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: