Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Mendes, Alex Carlos Pellegrinetti
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Adaboost
camada limite planetária
K-means
KNN
Lidar
lidar
Planetary Boundary Layer
RandomForest
SARIMAX
XGBoost
Link de acesso: https://www.teses.usp.br/teses/disponiveis/85/85134/tde-01112024-172523/
Resumo: Este estudo se propõe a avaliar 6 modelos de aprendizagem estatística para a estimativa e predição do topo da camada limite atmosférica em 13 sítios da MPLNET (Micro-Pulse Lidar Network). A camada limite atmosférica, que desempenha um papel crucial na troca de energia, calor e poluição entre a superfície da Terra e a atmosfera, é um fator importante para a compreensão de diversos processos meteorológicos e climáticos. A análise comparativa dos modelos visa identificar quais métodos estatísticos oferecem maior precisão e confiabilidade nas previsões, contribuindo para aprimorar o entendimento das dinâmicas atmosféricas em diferentes regiões cobertas pela rede MPLNET.
id USP_b5e9df21699689f170224c8afbba1248
oai_identifier_str oai:teses.usp.br:tde-01112024-172523
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricosStatistical learning methods applied to atmospheric data processingAdaboostAdaboostcamada limite planetáriaK-meansK-meansKNNKNNLidarlidarPlanetary Boundary LayerRandomForestRandomForestSARIMAXSARIMAXXGBoostXGBoostEste estudo se propõe a avaliar 6 modelos de aprendizagem estatística para a estimativa e predição do topo da camada limite atmosférica em 13 sítios da MPLNET (Micro-Pulse Lidar Network). A camada limite atmosférica, que desempenha um papel crucial na troca de energia, calor e poluição entre a superfície da Terra e a atmosfera, é um fator importante para a compreensão de diversos processos meteorológicos e climáticos. A análise comparativa dos modelos visa identificar quais métodos estatísticos oferecem maior precisão e confiabilidade nas previsões, contribuindo para aprimorar o entendimento das dinâmicas atmosféricas em diferentes regiões cobertas pela rede MPLNET.This study aims to evaluate 6 statistical learning models for estimating and predicting the top of the atmospheric boundary layer across 13 sites of the MPLNET (Micro-Pulse Lidar Network). The atmospheric boundary layer, which plays a crucial role in the exchange of energy, heat, and pollutants between the Earths surface and the atmosphere, is a key factor in understanding various meteorological and climatic processes. The comparative analysis of these models seeks to identify which statistical methods offer the greatest accuracy and reliability in predictions, thereby enhancing the understanding of atmospheric dynamics in different regions covered by the MPLNET network.Biblioteca Digitais de Teses e Dissertações da USPLandulfo, EduardoMendes, Alex Carlos Pellegrinetti2024-09-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/85/85134/tde-01112024-172523/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-11-06T16:30:02Zoai:teses.usp.br:tde-01112024-172523Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-11-06T16:30:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
Statistical learning methods applied to atmospheric data processing
title Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
spellingShingle Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
Mendes, Alex Carlos Pellegrinetti
Adaboost
Adaboost
camada limite planetária
K-means
K-means
KNN
KNN
Lidar
lidar
Planetary Boundary Layer
RandomForest
RandomForest
SARIMAX
SARIMAX
XGBoost
XGBoost
title_short Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
title_full Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
title_fullStr Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
title_full_unstemmed Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
title_sort Métodos de aprendizagem estatística aplicados ao processamento de dados atmosféricos
author Mendes, Alex Carlos Pellegrinetti
author_facet Mendes, Alex Carlos Pellegrinetti
author_role author
dc.contributor.none.fl_str_mv Landulfo, Eduardo
dc.contributor.author.fl_str_mv Mendes, Alex Carlos Pellegrinetti
dc.subject.por.fl_str_mv Adaboost
Adaboost
camada limite planetária
K-means
K-means
KNN
KNN
Lidar
lidar
Planetary Boundary Layer
RandomForest
RandomForest
SARIMAX
SARIMAX
XGBoost
XGBoost
topic Adaboost
Adaboost
camada limite planetária
K-means
K-means
KNN
KNN
Lidar
lidar
Planetary Boundary Layer
RandomForest
RandomForest
SARIMAX
SARIMAX
XGBoost
XGBoost
description Este estudo se propõe a avaliar 6 modelos de aprendizagem estatística para a estimativa e predição do topo da camada limite atmosférica em 13 sítios da MPLNET (Micro-Pulse Lidar Network). A camada limite atmosférica, que desempenha um papel crucial na troca de energia, calor e poluição entre a superfície da Terra e a atmosfera, é um fator importante para a compreensão de diversos processos meteorológicos e climáticos. A análise comparativa dos modelos visa identificar quais métodos estatísticos oferecem maior precisão e confiabilidade nas previsões, contribuindo para aprimorar o entendimento das dinâmicas atmosféricas em diferentes regiões cobertas pela rede MPLNET.
publishDate 2024
dc.date.none.fl_str_mv 2024-09-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/85/85134/tde-01112024-172523/
url https://www.teses.usp.br/teses/disponiveis/85/85134/tde-01112024-172523/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1818279161207193600

Registros relacionados