Navegando por Publicador "Instituto Nacional de Pesquisas Espaciais (INPE)"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Análise de emoções em mídias sociais utilizando aprendizado de máquina e séries temporais considerando informações de eventos extremos sociais e naturais
    (Instituto Nacional de Pesquisas Espaciais (INPE), 2021-04-15) Ibañez, Marilyn Minicucci; Guimarães, Lamartine Nogueira Frutuoso; Rosa, Reinaldo Roberto
    Nas últimas décadas, o crescimento do uso da Internet gerou um aumento substancial na circulação de informações nas redes sociais. Devido ao grande interesse de diversas áreas da sociedade na análise de dados de redes sociais, estabeleceu-se a busca por melhores técnicas para a manipulação e compreensão desse conteúdo, permitindo que este enorme volume de informações possa ser interpretado de forma rápida e precisa. Dentro da grande variedade de informações que circulam na internet, a ocorrência de eventos extremos pode ser considerada uma área de grande interesse público devido a sua grande influência direta na sociedade. Assim, compreender a eclosão desses eventos extremos continua sendo um dos grandes desafios científicos contemporâneos, cujo progresso depende fortemente de abordagens multidisciplinares. Assim, nesta dissertação, são analisados dados coletados em mídias sociais, de grande circulação nacional e mundial, relacionados a eventos sociais e naturais extremos, a fim de identificar a emoção de ameaça definida para cada tema do evento abordado. Como estudos de caso, foram considerados dados sobre eventos sociais extremos relacionados a conflitos armados, entre os países Síria e EUA, Irã e EUA e Global (considerando os países China, Índia, Paquistão, Reino Unido, Japão, EUA, Coreia do Norte, Coreia do Sul, Taiwan e Indonésia). Em eventos naturais extremos foram selecionados dados relativos à ocorrência de secas, incêndios e desmatamentos na região da Floresta Amazônica para os anos de 2015, 2016, 2017, 2018, 2019 e 2020. A coleta dessas informações foi realizada considerando a evolução crescente de eventos, buscando entender como as ameaças ao longo do tempo podem gerar uma evolução endógena resultando em um evento extremo. O processamento dessas informações é realizado por meio da técnica de Análise de Sentimentos, para identificar o grau de ameaça de cada notícia coletada. O endereço eletrônico das notícias coletadas é armazenado em arquivo.csv juntamente com as informações sobre a data de publicação e o grau de ameaça, que formam um portfólio de ameaças para cada modelo de dados abordado. Os portfólios foram utilizados para validar o algoritmo “P-Model” como gerador de séries temporais endógenas para eventos extremos. O resultado desta validação é a geração de séries temporais de ameaças endógenas, que são utilizadas para prever a variação de ameaça futura dos eventos sociais e naturais extremos analisados. Para realizar a predição de séries temporais endógenas, utiliza-se a técnica de “Deep Learning” em uma estrutura da rede que aplica a rede neural “Long-Short Term Memory - LSTM”. Os resultados alcançados com base no LSTM, mostraram uma acurácia entre 46% e 71% na previsão do padrão de flutuação interpretado como ameaças, quando considerados os dados coletados para os dois estudos de caso abordados.
  • Imagem de Miniatura
    Item
    Modelo do campo gravitacional de um corpo com distribuição de massa irregular utilizando o método da expansão do potencial em série e determinação de seus coeficientes dos harmônicos esféricos.
    (Instituto Nacional de Pesquisas Espaciais (INPE), 2017-12-14) Mota, Marcelo Lisboa; Rocco, Evandro Marconi; Pilchowski, Hans-Ulrich; Moraes, Rodolpho Vilhena de; Carvalho, Francisco das Chagas; Aguinaldo Cardozo, Costa Filho
    O objetivo geral deste trabalho foi estabelecer uma metodologia para determinar o modelo do campo gravitacional em torno de um corpo com distribuição de massa irregular, utilizando o método da expansão do potencial em série, após a sua decomposição em elementos tetraédricos, calculando-se o seu potencial total, como o somatório dos potenciais relativos a cada tetraedro. Com este propósito, primeiramente, foi modelado o campo gravitacional gerado por um cubo homogêneo unitário e, em seguida, e os resultados obtidos foram comparados e validados com aqueles apresentados pelo modelo exato desse hexaedro. De posse do modelo, foram determinados seus coeficientes dos harmônicos esféricos, também ratificados pelos resultados existentes na literatura. A partir da validação desta técnica para o cubo homogêneo, procurou-se aplicá-la na modelagem dos campos gravitacionais dos asteroides (25143) Itokawa, (1620) Geographos e (433) Eros, utilizando os dados reais disponibilizados pelo JPL/NASA, produzindo resultados consistentes quando comparados com aqueles apresentados na literatura. Utilizando o mesmo procedimento adotado para o cubo, também foram calculados os coeficientes de Stokes para esses asteroides até o grau 6, além de realizar simulações de órbitas em torno desses asteroides, utilizando os modelos obtidos pelos métodos da expansão do potencial em série e concentrações de massa, com o intuido de compará-las. Além desses asteroides citados, também foram modelados os potenciais dos asteroides (2063) Bacchus, (101955) Bennu, (1580) Betulia, (4769) Castalia, (21) Lutetia e (4660) Nereus, cujos coeficientes dos harmônicos esféricos constam dos apêndices deste trabalho.
  • Imagem de Miniatura
    Item
    Solar irradiance prediction: replicating a workflow and making it reproducible
    (Instituto Nacional de Pesquisas Espaciais (INPE), 2021-10-21) Muralikrishna, Amita; Santos, Rafael Duarte Coelho dos; Vieira, Luis Eduardo Antunes; Vijaykumar, Nandamudi Lankalapalli; Santos, Rafael Duarte Coelho dos; Vieira, Luis Eduardo Antunes; Dal Lago, Alisson; Carlesso, Franciele; Lorena, Ana Carolina; Gomez, Jenny Marcela Rodriguez
    In times when computational resources - such as data, code, software tools, libraries, etc. - play a fundamental role in the development of scientific works, it has become evident that transparency regarding all the computational arsenal involved in such type of work is essential for its validation. This concern is the basis of the culture of reproducibility, which aims to add to a work the possibility of it being reproduced by an unknown person or by the author herself/himself in the future. Reproducibility can bring other benefits such as enabling the reuse and continuity of a work, which is associated with other terms such as replicability. This thesis is based on a workflow developed for solar irradiance prediction, and focuses on replicating it and adopting mechanisms to make the new workflow reproducible, as well as better exploiting recurrent neural networks for the prediction task. The prediction of the total solar irradiance at the top of the atmosphere would contribute, for example, in studies of solar variability, or could bring improvements to atmospheric and climate models on Earth; however, it is a service still not much explored by the scientific community in the area of space weather. The new version of the workflow was developed attempting to use free computational resources, such as the Python language and Linux operating system, and performs the prediction task using different recurrent neural network architectures from the Keras library. The work confirms the effec tiveness of recurrent networks in predicting total solar irradiance and for one of the emission lines tested: lyman-α; and suggests that the prediction of other lines of the spectrum need additional parameters to obtain better accuracy. This document reports the replication process, presents the irradiance prediction results, and lists the computational resources employed to try to make the new workflow reproducible.