Banca de QUALIFICAÇÃO: RUBENS OLIVEIRA DA CUNHA JUNIOR

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : RUBENS OLIVEIRA DA CUNHA JUNIOR
DATA : 17/12/2021
HORA: 14:00
LOCAL: PLATAFORMA GOOGLE MEET
TÍTULO:

AVALIAÇÃO DE TÉCNICAS DE MODELAGEM, IMPUTAÇÃO EPREVISÃO DE SÉRIES TEMPORAIS DE NÍVEIS DE ÁGUAS SUBTERRÂNEAS 

PALAVRAS-CHAVES:
PÁGINAS: 47
RESUMO:

Águas subterrâneas são uma das principais fontes de água em vários países, principalmente em regiões áridas e semiáridas. O uso racional deste recurso é essencial para o desenvolvi-mento regional sustentável. Nesse contexto, a modelagem e previsão das dinâmicas doslençóis freáticos são fundamentais para a avaliação da disponibilidade hídrica. Contudo,dados de águas subterrâneas são limitados em muitas regiões, sendo comum a ocorrênciade períodos sem informações disponíveis, isto é, com falhas nos dados provenientes dosprocessos de monitoramento. Para a solução do problema, pode-se recorrer a técnicaspara se estimar tais valores faltantes, conhecidas como métodos de preenchimento defalhas ou de imputação de valores ausentes. A imputação é uma importante etapa queprecede a modelagem. Formalismos de modelagem e previsão de séries temporais sãouma alternativa robusta para a inferência sobre os níveis de água subterrânea, sobretudocom o advento de técnicas de aprendizado de máquina. O objetivo deste trabalho éinvestigar a aplicação de técnicas de modelagem, imputação e previsão de séries temporaispara a avaliação do nível da água subterrânea. A área de estudo é a Bacia Sedimentardo Araripe, ao sul do Estado do Ceará, Brasil, a maior reserva de água subterrânea doCeará e a principal fonte de abastecimento de água na Região do Cariri. O conjunto dedados trata-se de séries históricas de níveis de poços de monitoramento instalados sobreos aquíferos da bacia do Araripe, integrantes da Rede Integrada de Monitoramento deÁguas Subterrâneas (RIMAS/CPRM). Os dados serão tratados quanto a valores faltantes,considerando métodos do estado-da-arte da imputação em séries temporais, e propondométodos de imputação, tais como a imputação via Cópulas. Serão utilizadas abordagensindividuais e combinadas de modelagem e previsão. Entre as individuais, destacam-semodelos lineares estocásticos Autorregressivos Integrados de Médias Móveis (ARIMA) ede Suavização Exponencial (ETS), e modelos baseados em aprendizado de máquina, comoRedes Neurais Artificiais (RNA) e Regressão por Vetores de Suporte (SVR). A combinaçãose dará por técnicas como Média Simples (SA), Mediana Simples e Mínima Variância(MV), além da combinação via RNA e SVR. O desempenho desempenho dos modelos será comparadosegundo métricas de erro bem conhecidas da literatura.  

MEMBROS DA BANCA:
Interno - 1643899 - CARLOS WAGNER OLIVEIRA
Interno - 1549937 - CELME TORRES FERREIRA DA COSTA
Presidente - 1751179 - PAULO RENATO ALVES FIRMINO
Externo à Instituição - PAULO SALGADO GOMES DE MATTOS NETO - UFPE