Dissertação de Mestrado:
Sistema de Inferência Neuro­fuzzy Hierárquico: Um Solução Para a Compressão de Dados Batimétricos

Frederico Carlos M. Medeiros de Barros

GEOM
Orientador
Flávio Joaquim de Souza, D.Sc., UERJ
Coorientador
Prof. Maria Luiza Fernandes Velloso Currículo LattesInformação Academica
Banca
* Flávio Joaquim de Souza, D.Sc., UERJ
* Prof. Maria Luiza Fernandes Velloso Currículo LattesInformação Academica
* Prof. Íris Pereira Escobar , D.Sc. em Ciências Geofísicas, USP, 1991 - Currículo LattesInformação Academica
* Luis Felipe Coutinho Ferreira da Silva, D.Sc., IME
Data - hora da defesa
11/04/2006
Resumo
Este trabalho apresenta um método que possibilita a utilização de sistemas de inteligência artificial, especificamente redes neuro­fuzzy hierárquicas, na área de Hidrografia. Este método foi utilizado como ferramenta de compressão de uma amostra de dados batimétricos adquiridos por ecobatímetro multifeixe na região do canal de São Francisco do Sul/SC. Uma compressão eficiente de toda a massa de dados, atualmente arquivada na Diretoria de Hidrografia e Navegação (DHN), tem se mostrado necessária para que um Sistema Gerenciador de Banco de Dados (SGBD) possa gerenciá-la sem gargalos ou "overheads" (tempo de processamento exigido pelo sistema antes da execução de um comando), ocorrências estas habituais quando o volume se encontra na faixa do "terabyte" / "petabyte". Duas áreas no canal foram separadas para funcionarem como conjuntos de testes. O volume de dados de cada área foi submetido à rede de aprendizado neuro­fuzzy hierárquica. Como resultado, o método gerou as funções substitutas da massa de dados original e ajustou seus parâmetros. Estas funções, ajustadas e em menor número que os dados originais, permitiram expressiva compressão do volume sem comprometer a densidade mínima definida para representar o fundo marítimo em cada escala. Foram elaborados mapas comparativos entre os valores originais e os resultantes da rede neuro­fuzzy hierárquica, e desta com um método adaptado de um sistema já em uso, que funcionou como referência ("benchmark"). De maneira geral, os resultados denotam um potencial de modelagem interessante, sugerindo a possibilidade futura de uso do sistema para a redução da volumosa massa de dados coletados. Essa redução permitirá a modelagem de um SGBD que não somente manipulará o volume sem gargalos ou "overheads", mas que contribuirá para o processo de produção da carta náutica digital, ao viabilizar a sua confecção, manutenção e atualização, otimizando custos e permitindo maior controle e qualidade do produto final. Palavras-Chave: Hidrografia, Inteligência Artificial, Neuro-Fuzzy

Download do Trabalho