Mineração de dados de padrões climáticos sazonais usando a lógica paraconsistente / Data mining of climatic patterns using the paraconsistent logic
AUTOR(ES)
Valdemir Silva Souza
DATA DE PUBLICAÇÃO
2009
RESUMO
Esta dissertação apresenta uma técnica não-paramétrica que utiliza a Lógica Paraconsistente na Mineração de Dados Meteorológicos de reanálise dos históricos de informações de cinco regiões da América do Sul, de um período de 21 anos dos ciclos sazonais ocorridos entre os anos de 1980-2000. Esses dados são as entradas de uma Rede Neural Artificial baseada na Lógica Paraconsistente, que tem como objetivo gerar um conjunto reduzido de dados para ser submetido a uma Rede de Funções de Base Radial na elaboração de um modelo de previsão sazonal de clima. O processamento da rede neural paraconsistente contribui na identificação de padrões, por ciclos sazonais nos dados históricos do período 1980-1997. Para a validação da técnica de redução desenvolvida, o modelo de previsão obtido foi submetido aos dados extraídos do período de 1998-2000, para as mesmas áreas geográficas. Os resultados da previsão com modelo estabelecido apresentaram erros inferiores que as previsões obtidas pelo modelo proposto no trabalho de Pessoa (2004) que utilizou a Teoria dos Conjuntos Aproximativos sobre os mesmos dados para diminuir a complexidade dos dados e compor um modelo de previsão baseado em uma rede neural do tipo Perceptron de Múltiplas Camadas.
ASSUNTO(S)
lógica paraconsistente rede neural artificial padrões climáticos mineração de dados paraconsistent logic artificial neural network climatic patterns data mining
ACESSO AO ARTIGO
http://urlib.net/sid.inpe.br/mtc-m18@80/2009/04.30.22.30Documentos Relacionados
- Mineração de dados de padrões climáticos sazonais usando a lógica paraconsistente
- Sobre os fundamentos de programação lógica paraconsistente
- Data mining climatic for frost and deficit hidric forescast
- Application of paraconsistent annotated logic in production engineering decision making.
- Soluções aproximadas para algoritmos escaláveis de mineração de dados em domínios de dados complexos usando GPGPU