APLICAÇÃO DE TÉCNICAS DE REPRESENTAÇÃO DE DADOS NO TRATAMENTO DE DADOS MICROCLIMÁTICOS

Os sensores instalados em estações meteorológicas podem gerar uma grande quantidade de dados todos os dias. Esses dados, eventualmente, precisam ser processados antes de serem analisados. Nesse processo, a quantidade de dados pode dificultar a sua manipulação, controle e interpretação. Inclusive par...

Full description

Saved in:
Bibliographic Details
Published in:Revista Brasileira de Climatologia (Impresso) Vol. 25
Main Authors: Da Cruz, Johnnes Santos Veiga, Ventura, Thiago Meirelles, De Oliveira, Allan Gonçalves, Rodrigues, Thiago Rangel, De Figueiredo, Josiel Maimone, Gomes, Raphael De Souza Rosa, Nogueira, José De Souza
Format: Journal Article
Language:English
Published: 01-10-2019
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Os sensores instalados em estações meteorológicas podem gerar uma grande quantidade de dados todos os dias. Esses dados, eventualmente, precisam ser processados antes de serem analisados. Nesse processo, a quantidade de dados pode dificultar a sua manipulação, controle e interpretação. Inclusive para técnicas computacionais, a quantidade de dados são consequências de um maior tempo de processamento. Dessa forma, espera-se que reduzir a quantidade de dados possa facilitar, do ponto de vista computacional, a manipulação desse tipo de dado. Entretanto, a redução pode gerar perda de informação importante na série. Este trabalho avaliou a utilização de técnicas de representação de dados, com o intuito de reduzir a série de dados ao mesmo tempo que as características da série sejam conservadas. Testes foram realizados para avaliar a conservação das características da série de dados após a redução. Mesmo com a série reduzida em 80%, operações de tratamento de dados microclimáticos puderam ser realizadas com a mesma eficácia do que se fossem realizadas com a série original, indicando que as características originais da série foram mantidas. As técnicas de representação de dados com melhor desempenho foram Amostragem e Perceptually Important Points.
ISSN:1980-055X
2237-8642
DOI:10.5380/abclima.v25i0.46404