  |
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
- Banca * Flávio Joaquim de Souza, D.Sc., UERJ
- 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
k* Prof. Maria Luiza Fernandes Velloso
k* Prof. Íris Pereira Escobar , D.Sc. em Ciências Geofísicas, USP, 1991 -
k* Luis Felipe Coutinho Ferreira da Silva, D.Sc., IME