Banca de DEFESA: RÔMULO GALDINO DA ROCHA LIMA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RÔMULO GALDINO DA ROCHA LIMA
DATA: 27/08/2018
HORA: 09:00
LOCAL: UFERSA - Sala de Videoconferência - Prédio da PROPPG
TÍTULO:

Desenvolvimento de um Modelo de Previsão Hidrológico Usando Maquina vetorial de Suporte Regressivo: Uma Aproximação Computacional para Modelagem da Bacia do rio Arkansas.

PALAVRAS-CHAVES:

Recursos Hídricos, Predição, Redes Neurais, Árvore de Regressão, SVM, Sensoriamento Remoto.

PÁGINAS: 87
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Os investimentos em meios hídricos naturais são utilizados com finalidades distintas entre os órgãos governamentais que gerenciam esses recursos. Entre tais finalidades, destacam-se o abastecimento de água, a geração de energia, a irrigação e a navegação. A predição da acurácia de tais recursos naturais pode ter grande impacto e relevância para a sociedade, haja vista que a estimação precisa do comportamento futuro desses recursos pode orientar as autoridades no processo da tomada de decisão, no que concerne à previsão e mitigação de possíveis desastres ambientais e socioambientais, decorrentes de alterações climáticas produzidas pelo aquecimento global, reduzindo-se assim os custos operacionais das medidas a serem tomadas. Para melhor direcionar os investimentos na prevenção e na mitigação dos efeitos causados pela falta desses recursos, faz-se necessário o desenvolvimento de métodos confiáveis de previsão. Esta pesquisa explana dois métodos de previsão, redes neurais e árvore de regressão. Por outro lado este artigo propõe a implementação, aplicação e análise do algoritmo SVM (Support Vector Machine). Similarmente, aos dois anteriores, este método proposto, estima modelos predictivos de imagens, visando ponderar mudanças futuras dos recursos hídricos usando informações obtidas a partir do conjunto dos dados históricos NDVI. Estas imagens mostram as feições do rio Arkansas, que foram obtidas do Centro de Pesquisas Espaciais da University of Texas, Austin. Finalmente foi comparada a precisão dos três métodos, com o objetivo de quantificar a robustez dos algoritmos para predizer movimentos de fluídos na bacía do rio Arkansas.

MEMBROS DA BANCA:
Interno - 1521615 - ANGELICA FELIX DE CASTRO
Presidente - 057.630.884-68 - DARIO JOSÉ ALOISE - UFRN
Interno - 227.284.058-24 - HAROLD IVAN ANGULO BUSTOS - UERN
Externo à Instituição - MICHAEL VANDESTEEN SILVA SOUTO - UFRN