Autores

5580
Katia Karinne de Oliveira Moraes
2567,312,504
5581
2567,312,504
5582
2567,312,504

Informações:

Publicações do PESC

Título
Um Método Baseado em Mineração de Dados para a Predição de Velocidades e Condições Extremas de Correntes Oceânicas
Linha de pesquisa
Engenharia de Dados e Conhecimento
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
27/3/2014
Resumo
Atividades offshore envolvem elementos estruturais com grande sensibilidade a carregamentos ambientais (ventos, correntes, ondas), que interferem nas operações, podendo resultar em danos ou falhas, com perdas financeiras. A observação e predição de condições meteo-oceanográficas futuras são requisitos altamente relevantes para o planejamento, projeto e operação. Na ausência de informações confiáveis sobre as condições futuras de operação, as mesmas podem ser interrompidas por períodos bem maiores do que o necessário por questões de segurança. O presente trabalho propõe uma metodologia baseada em Mineração de Dados para a geração de um preditor de intensidade de correntes oceânicas. Trata-se de um modelo de predição para um ponto específico do espaço geográfico, cuja abordagem é apoiada na influência de correntes medidas em pontos vizinhos para estimar o estado da corrente neste ponto em um momento futuro próximo. Os resultados mostraram que a série obtida com o preditor acompanha a série observada com um erro médio absoluto (MAE) de 0,09 m/s e raiz quadrada do erro médio (RMSE) de 0,12 m/s. Igualmente eficiente, o modelo classificador atingiu a taxa de acerto de 83% quando validado frente a série histórica. Estes resultados comprovam que a metodologia pode ser usada como uma ferramenta confiável para a previsão de intensidades de correntes.
Abstract
Offshore activities involve structural elements with high sensitivity to environmental loads (wind, currents, waves), which interfere on operations and may result in damage or failure, with financial losses. The observation and prediction of future meteocean conditions are strongly relevant requirements for planning, design and operation. In the absence of reliable information about future conditions of operation, the same may be interrupted by periods much larger than the necessary for security. This work proposes a methodology based on Data Mining for generating a predictor of ocean currents intensity. It is a prediction model to a specific point in geographical space, whose approach is supported by the influence of currents observed at neighboring points to estimate the state of the current at this point at a near future time. The results showed that the series obtained with the predictor followed the observed series with a (mean absolute error) MAE of 0.09 m/s and (root mean square error) RMSE of 0.12 m/s. Equally efficient, the classifier model achieved an accuracy rate of 83%. These results prove that the method can be used as a reliable tool for predicting current intensities.
Topo