|
|
Registro Completo |
Biblioteca(s): |
Embrapa Pantanal. |
Data corrente: |
28/01/2022 |
Data da última atualização: |
22/11/2022 |
Tipo da produção científica: |
Orientação de Tese de Pós-Graduação |
Autoria: |
ANTONIASSI, R. A. dos S. |
Afiliação: |
ROGÉRIO ALVES DOS SANTOS ANTONIASSI, Universidade Federal de Mato Grosso do Sul. |
Título: |
Predição de nível de rios da Região Hidrográfica do Rio Paraguai utilizando algoritmos de Aprendizado de Máquina. |
Ano de publicação: |
2022 |
Fonte/Imprenta: |
2022. |
Páginas: |
70 f. |
Idioma: |
Português |
Notas: |
Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul, Campo Grande. Coorientador: Carlos Roberto Padovani. |
Conteúdo: |
Resumo: O Pantanal faz parte da Região Hidrográfica do Rio Paraguai (RH-Paraguai) e possui, como característica, a inundação de uma parcela de sua área em determinadas épocas do ano. Essa inundação gera uma série de problemas socioeconômicos à população que vive em seu entorno. Problemas estes que podem ser mitigados quando há previsão de sua ocorrência com antecedência. Nesse sentido, este trabalho investiga a aplicação de técnicas de Aprendizado de Máquina (AM) para a predição de níveis dos rios da RH-Paraguai, utilizando dados diários de estações a montante para previsão do nível de estações a jusante. Nessa perspectiva, a modelagem com técnicas de AM demonstra-se eficaz nas predições, na medida que trabalhos similares aparecem na literatura correlata. Dessa maneira, é utilizada uma fonte de dados com valores de níveis diários, sendo selecionada uma amostra de três estações. Em seguida, foi retirada a defasagem do tempo entre o pico de cheia de uma estação e outra, pesquisados os hiperparâmetros ideais para as redes Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU) e Bidirectional Long Short Term Memory (BiLSTM) e submetidos ao processo de treinamento. Posteriormente, foram selecionados os modelos de melhores resultados de cada algoritmo, os quais foram comparados com a técnica de Regressão utilizada atualmente. Os resultados mostram que os três modelos testados podem ser utilizados para a tarefa de predição, em que, os três apresentam melhorias em relação ao modelo atual. O modelo com o algoritmo GRU se destacou por apresentar as menores taxas de erro e por ser 23,84% mais preciso que o modelo de Regressão, já LSTM e BiLSTM são, respectivamente, 18,09% e 19,16% mais precisos que o modelo de Regressão. Os modelos de LSTM e BiLSTM se aproximam mais do valor real nos picos de níveis máximos e mínimos, quando comparados ao de Regressão e ao GRU. MenosResumo: O Pantanal faz parte da Região Hidrográfica do Rio Paraguai (RH-Paraguai) e possui, como característica, a inundação de uma parcela de sua área em determinadas épocas do ano. Essa inundação gera uma série de problemas socioeconômicos à população que vive em seu entorno. Problemas estes que podem ser mitigados quando há previsão de sua ocorrência com antecedência. Nesse sentido, este trabalho investiga a aplicação de técnicas de Aprendizado de Máquina (AM) para a predição de níveis dos rios da RH-Paraguai, utilizando dados diários de estações a montante para previsão do nível de estações a jusante. Nessa perspectiva, a modelagem com técnicas de AM demonstra-se eficaz nas predições, na medida que trabalhos similares aparecem na literatura correlata. Dessa maneira, é utilizada uma fonte de dados com valores de níveis diários, sendo selecionada uma amostra de três estações. Em seguida, foi retirada a defasagem do tempo entre o pico de cheia de uma estação e outra, pesquisados os hiperparâmetros ideais para as redes Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU) e Bidirectional Long Short Term Memory (BiLSTM) e submetidos ao processo de treinamento. Posteriormente, foram selecionados os modelos de melhores resultados de cada algoritmo, os quais foram comparados com a técnica de Regressão utilizada atualmente. Os resultados mostram que os três modelos testados podem ser utilizados para a tarefa de predição, em que, os três apresentam melhorias em relação ao mode... Mostrar Tudo |
Palavras-Chave: |
Modelo de predição; Nivel de rio. |
Thesagro: |
Análise de Dados; Hidrografia. |
Thesaurus Nal: |
Hydrograph; Prediction. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1139439/1/mestrado-defesa-rogerio-antoniassi.pdf
|
Marc: |
LEADER 02699naa a2200217 a 4500 001 2139439 005 2022-11-22 008 2022 bl uuuu u00u1 u #d 100 1 $aANTONIASSI, R. A. dos S. 245 $aPredição de nível de rios da Região Hidrográfica do Rio Paraguai utilizando algoritmos de Aprendizado de Máquina.$h[electronic resource] 260 $c2022 300 $a70 f. 500 $aDissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul, Campo Grande. Coorientador: Carlos Roberto Padovani. 520 $aResumo: O Pantanal faz parte da Região Hidrográfica do Rio Paraguai (RH-Paraguai) e possui, como característica, a inundação de uma parcela de sua área em determinadas épocas do ano. Essa inundação gera uma série de problemas socioeconômicos à população que vive em seu entorno. Problemas estes que podem ser mitigados quando há previsão de sua ocorrência com antecedência. Nesse sentido, este trabalho investiga a aplicação de técnicas de Aprendizado de Máquina (AM) para a predição de níveis dos rios da RH-Paraguai, utilizando dados diários de estações a montante para previsão do nível de estações a jusante. Nessa perspectiva, a modelagem com técnicas de AM demonstra-se eficaz nas predições, na medida que trabalhos similares aparecem na literatura correlata. Dessa maneira, é utilizada uma fonte de dados com valores de níveis diários, sendo selecionada uma amostra de três estações. Em seguida, foi retirada a defasagem do tempo entre o pico de cheia de uma estação e outra, pesquisados os hiperparâmetros ideais para as redes Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU) e Bidirectional Long Short Term Memory (BiLSTM) e submetidos ao processo de treinamento. Posteriormente, foram selecionados os modelos de melhores resultados de cada algoritmo, os quais foram comparados com a técnica de Regressão utilizada atualmente. Os resultados mostram que os três modelos testados podem ser utilizados para a tarefa de predição, em que, os três apresentam melhorias em relação ao modelo atual. O modelo com o algoritmo GRU se destacou por apresentar as menores taxas de erro e por ser 23,84% mais preciso que o modelo de Regressão, já LSTM e BiLSTM são, respectivamente, 18,09% e 19,16% mais precisos que o modelo de Regressão. Os modelos de LSTM e BiLSTM se aproximam mais do valor real nos picos de níveis máximos e mínimos, quando comparados ao de Regressão e ao GRU. 650 $aHydrograph 650 $aPrediction 650 $aAnálise de Dados 650 $aHidrografia 653 $aModelo de predição 653 $aNivel de rio 773 $t2022.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Pantanal (CPAP) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Florestas. |
Data corrente: |
03/01/2018 |
Data da última atualização: |
03/01/2018 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
B - 4 |
Autoria: |
SANTOS, V. S. dos; MARTINS FILHO, S.; RESENDE, M. D. V. de; SILVA, F. F. e. |
Afiliação: |
Vinicius Silva dos Santos, UFV; Sebastião Martins Filho, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; Fabyano Fonseca e Silva, UFV. |
Título: |
Proposta de CLUP genômico com efeitos aditivos e de dominância em ambiente R. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
Revista Brasileira de Biometria, Lavras, v. 35, n. 2, p. 361-375, 2017. |
Idioma: |
Português |
Conteúdo: |
Recentemente, efeitos de dominância, têm sido incluídos na seleção genômica de várias espécies, sendo o método GBLUP-D o mais utilizado. Esse método consiste em substituir, no procedimento REML/BLUP, as matrizes de parentesco baseadas no pedigree pelas matrizes com base nos marcadores moleculares. Este método pode ser realizado por meio do software GVCBLUP ou por meio do pacote BGLR do software R, o qual se baseia em regressão bayesiana via Kernel de Reprodução do Espaço de Hilbert. Objetivou-se nesse trabalho avaliar a possibilidade e efetividade de implementação do GBLUP-D via a função lmekin implementada no pacote coxme do software R por meio da inclusão das matrizes de parentesco genômicos aditivo e de dominância. Assim, comparou-se, via análises de dados simulados, os resultados obtidos pela função lmekin com os obtidos pelo software GVCBLUP e pacote BGLR. Os resultados mostraram que os métodos GBLUP e GBLUP-D ajustados via REML no software GVCBLUP e por meio da função lmekin são equivalentes. Assim, a função lmekin é uma alternativa eficiente para o ajuste, no software R, de modelos genômicos contemplando efeitos aditivos e de dominância. |
Palavras-Chave: |
Amostrador de Gibbs; Componentes de variância; Modelo linear misto; SNPs. |
Thesagro: |
Método estatístico. |
Categoria do assunto: |
G Melhoramento Genético |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/170169/1/2017-M.Deon-RBM-Proposta.pdf
|
Marc: |
LEADER 01871naa a2200217 a 4500 001 2084054 005 2018-01-03 008 2017 bl uuuu u00u1 u #d 100 1 $aSANTOS, V. S. dos 245 $aProposta de CLUP genômico com efeitos aditivos e de dominância em ambiente R.$h[electronic resource] 260 $c2017 520 $aRecentemente, efeitos de dominância, têm sido incluídos na seleção genômica de várias espécies, sendo o método GBLUP-D o mais utilizado. Esse método consiste em substituir, no procedimento REML/BLUP, as matrizes de parentesco baseadas no pedigree pelas matrizes com base nos marcadores moleculares. Este método pode ser realizado por meio do software GVCBLUP ou por meio do pacote BGLR do software R, o qual se baseia em regressão bayesiana via Kernel de Reprodução do Espaço de Hilbert. Objetivou-se nesse trabalho avaliar a possibilidade e efetividade de implementação do GBLUP-D via a função lmekin implementada no pacote coxme do software R por meio da inclusão das matrizes de parentesco genômicos aditivo e de dominância. Assim, comparou-se, via análises de dados simulados, os resultados obtidos pela função lmekin com os obtidos pelo software GVCBLUP e pacote BGLR. Os resultados mostraram que os métodos GBLUP e GBLUP-D ajustados via REML no software GVCBLUP e por meio da função lmekin são equivalentes. Assim, a função lmekin é uma alternativa eficiente para o ajuste, no software R, de modelos genômicos contemplando efeitos aditivos e de dominância. 650 $aMétodo estatístico 653 $aAmostrador de Gibbs 653 $aComponentes de variância 653 $aModelo linear misto 653 $aSNPs 700 1 $aMARTINS FILHO, S. 700 1 $aRESENDE, M. D. V. de 700 1 $aSILVA, F. F. e 773 $tRevista Brasileira de Biometria, Lavras$gv. 35, n. 2, p. 361-375, 2017.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Florestas (CNPF) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|