|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
18/10/2017 |
Data da última atualização: |
21/01/2020 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
OLIVEIRA, H. L. C. de; OLIVEIRA, S. R. de M.; MONTEIRO, J. E. B. de A. |
Afiliação: |
HENRIQUE LIMA CARÁ DE OLIVEIRA, Unicamp, Bolsista CNPq; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; JOSE EDUARDO B DE ALMEIDA MONTEIRO, CNPTIA. |
Título: |
Geração de séries temporais de dados meteorológicos utilizando algoritmos de aprendizado de máquina. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 11., 2017, Campinas. Anais... [S.l: s.n.], 2017. |
Páginas: |
Não paginado. |
Descrição Física: |
1 CD-ROM. |
ISBN: |
978-85-7029-141-7 |
Idioma: |
Português |
Notas: |
CIIC 2017. Nº 17602. |
Conteúdo: |
RESUMO - Este trabalho objetivou desenvolver uma metodologia baseada em algoritmos de Aprendizado de Máquina para gerar séries espaço-temporais de precipitação e temperatura. Foi definida uma região de estudo de formato retangular, entre as latitudes de -18º e -22º e as longitudes de -52º e -39º, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. A região foi escolhida por ser climaticamente bastante heterogênea e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grades que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados modelos preditivos de precipitação diária, acumulada de 10 dias, temperatura máxima e temperatura mínima. Os resultados revelaram um bom ajuste dos modelos em relação aos valores previstos e observados, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos. MenosRESUMO - Este trabalho objetivou desenvolver uma metodologia baseada em algoritmos de Aprendizado de Máquina para gerar séries espaço-temporais de precipitação e temperatura. Foi definida uma região de estudo de formato retangular, entre as latitudes de -18º e -22º e as longitudes de -52º e -39º, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. A região foi escolhida por ser climaticamente bastante heterogênea e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grades que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados modelos preditivos de precipitação diária, acumulada de 10 dias, temperatura máxima e temperatura mínima. Os resultados revelaram um bom ajuste dos modelos em relação aos valores previstos e observados, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados... Mostrar Tudo |
Palavras-Chave: |
Agrometeorologia; Algoritmo Random Forest; Aprendizado com classes desbalanceadas; Aprendizado de máquina; Data imputation; Imputação de dados; Machine Learning; Modelos preditivos; Predictive modeling; Séries temporais; Unbalanced class learning. |
Thesaurus Nal: |
Agrometeorology; Artificial intelligence; Time series analysis. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/165194/1/PL-Geracao-CIIC.pdf
|
Marc: |
LEADER 02726nam a2200337 a 4500 001 2077534 005 2020-01-21 008 2017 bl uuuu u00u1 u #d 020 $a978-85-7029-141-7 100 1 $aOLIVEIRA, H. L. C. de 245 $aGeração de séries temporais de dados meteorológicos utilizando algoritmos de aprendizado de máquina.$h[electronic resource] 260 $aIn: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 11., 2017, Campinas. Anais... [S.l: s.n.]$c2017 300 $aNão paginado.$c1 CD-ROM. 500 $aCIIC 2017. Nº 17602. 520 $aRESUMO - Este trabalho objetivou desenvolver uma metodologia baseada em algoritmos de Aprendizado de Máquina para gerar séries espaço-temporais de precipitação e temperatura. Foi definida uma região de estudo de formato retangular, entre as latitudes de -18º e -22º e as longitudes de -52º e -39º, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. A região foi escolhida por ser climaticamente bastante heterogênea e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grades que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados modelos preditivos de precipitação diária, acumulada de 10 dias, temperatura máxima e temperatura mínima. Os resultados revelaram um bom ajuste dos modelos em relação aos valores previstos e observados, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos. 650 $aAgrometeorology 650 $aArtificial intelligence 650 $aTime series analysis 653 $aAgrometeorologia 653 $aAlgoritmo Random Forest 653 $aAprendizado com classes desbalanceadas 653 $aAprendizado de máquina 653 $aData imputation 653 $aImputação de dados 653 $aMachine Learning 653 $aModelos preditivos 653 $aPredictive modeling 653 $aSéries temporais 653 $aUnbalanced class learning 700 1 $aOLIVEIRA, S. R. de M. 700 1 $aMONTEIRO, J. E. B. de A.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Cerrados; Embrapa Soja. |
Data corrente: |
06/06/2000 |
Data da última atualização: |
13/03/2013 |
Autoria: |
SPEHAR, C. R.; SOUZA, P. I. de M. de; MOREIRA, C. T.; ALMEIDA, L. A.; KIIHL, R. A. de S.; FARIAS, A. L. de; AMABILE, R. F.; URBEN FILHO, G.; MONTEIRO, P. M. F. de O. |
Título: |
BRS Carla: alternativa de soja com ciclo médio para os sistemas de produção de grãos nos cerrados. |
Ano de publicação: |
2000 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, v. 35, n. 3, p. 661-664, mar. 2000. |
Idioma: |
Português |
Conteúdo: |
A producao de graos nos Cerrados com uso de altos niveis de tecnologia e resultante da adaptacao genetica da soja (Glycine max (L.) Merrill) as baixas latitudes. A producao de graos nessa regiao e superior em zonas de latitude mais elevada, mas predominam as cultivares tardias; isso implica limitadas oportunidades de planejamento para o sistema de producao de graos. A soja 'BRS Carla' representa uma opcao para atender a demanda dos produtores. Alem do ciclo semelhante ao da 'BR-40' (Itiquira), apresenta maior produtividade, altura da planta satisfatoria a colheita mecanizada, e resistencia as principais doencas, em especial ao cancro-da-haste (Diaporthe phaseolorum f.sp. meridionalis). |
Palavras-Chave: |
BRS Carla; Cultivar; Diseases; Farming system; Soybean. |
Thesagro: |
Cerrado; Doença; Glycine Max; Sistema de Produção; Soja; Variedade Resistente. |
Thesaurus NAL: |
savannas; soybeans; varieties. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/CNPSO/1447/1/pab97_482.pdf
|
Marc: |
LEADER 01752naa a2200385 a 4500 001 1568667 005 2013-03-13 008 2000 bl uuuu u00u1 u #d 100 1 $aSPEHAR, C. R. 245 $aBRS Carla$balternativa de soja com ciclo médio para os sistemas de produção de grãos nos cerrados. 260 $c2000 520 $aA producao de graos nos Cerrados com uso de altos niveis de tecnologia e resultante da adaptacao genetica da soja (Glycine max (L.) Merrill) as baixas latitudes. A producao de graos nessa regiao e superior em zonas de latitude mais elevada, mas predominam as cultivares tardias; isso implica limitadas oportunidades de planejamento para o sistema de producao de graos. A soja 'BRS Carla' representa uma opcao para atender a demanda dos produtores. Alem do ciclo semelhante ao da 'BR-40' (Itiquira), apresenta maior produtividade, altura da planta satisfatoria a colheita mecanizada, e resistencia as principais doencas, em especial ao cancro-da-haste (Diaporthe phaseolorum f.sp. meridionalis). 650 $asavannas 650 $asoybeans 650 $avarieties 650 $aCerrado 650 $aDoença 650 $aGlycine Max 650 $aSistema de Produção 650 $aSoja 650 $aVariedade Resistente 653 $aBRS Carla 653 $aCultivar 653 $aDiseases 653 $aFarming system 653 $aSoybean 700 1 $aSOUZA, P. I. de M. de 700 1 $aMOREIRA, C. T. 700 1 $aALMEIDA, L. A. 700 1 $aKIIHL, R. A. de S. 700 1 $aFARIAS, A. L. de 700 1 $aAMABILE, R. F. 700 1 $aURBEN FILHO, G. 700 1 $aMONTEIRO, P. M. F. de O. 773 $tPesquisa Agropecuária Brasileira, Brasília$gv. 35, n. 3, p. 661-664, mar. 2000.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Cerrados (CPAC) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|