RECONSTRUÇÃO E HOMOGENEIDADE DAS STICA ATRAVÉS S DE REDES NEURONAIS ARTIFICIAIS. Ana Isabel Serrano Lucio Ana Maria Silva Solange Leite
|
|
- Débora Bento
- 5 Há anos
- Visualizações:
Transcrição
1 RECONSTRUÇÃO E HOMOGENEIDADE DAS SÉRIES TEMPORAIS ANÁLISE ESTOCÁSTICA STICA ATRAVÉS S DE REDES NEURONAIS ARTIFICIAIS. Ana Isabel Serrano Paulo Sérgio Lucio Ana Maria Silva Solange Leite
2 MOTIVAÇÃO PROJECTO: CARACTERIZAÇÃO ESTOCÁSTICA STICA ESPAÇO-TEMPORAL DA CLIMATOLOGIA DE PORTUGAL CONTINENTAL. DESIGN: DETERMINAÇÃO DA CLIMATOLOGIA DE REFERÊNCIA PARA PORTUGAL CONTINENTAL NOS SEGUINTES PERÍODOS (PARA DETECTAR A EVOLUÇÃO DO CLIMA): , , E ,, CONSIDERANDO 22 ESTAÇÕES METEOROLÓGICAS GICAS. As series devem ser homogéneas neas, livres de descontinuidades, falhas e valores anómalos.
3 ESTRATÉGIA As series temporais de longo-termo devem ser homogéneas e livres de falhas para que possam ser consideradas séries mensais de referência definição e controle das series temporais de referência. Este trabalho tem como objectivo a reconstrução das series temporais usando a aproximação estocástica stica das redes neuronais artificiais para prever valores faltantes seguido por um diagnóstico de controle da qualidade.
4 SÉRIES DE DADOS EXPERIMENTAIS DE REFERÊNCIA As séries de dados contêm as temperaturas mensais extremas (minima e máxima) assim como a precipitação mensal acumulada e a insolação. As séries cobrem o século XX ( ). Na prática climatológica os dados referentes a períodos de 30 anos são suficientes para descrever as caracteristicas climáticas essencias de um local em particular. Contudo, é do conhecimento geral que é possivel determinar diferenças significativas na comparação da climatologia normal de referência com os correspondentes valores médios para longos períodos. Neste caso é dada grande confiança à estatística baseada nos dados seculares. As sete (7) estações meteorológicas, analysadas neste estudo, pertencem à rede de estações do Instituto de meteorologia de Portugal (IM Portugal).
5 ESTAÇÕES METEOROLÓGICAS DE REFERÊNCIA ESTAÇÃO LATITUDE (N) LONGITUDE (W) HEIGHT (m) Montalegre 41º49' 7º47' 1005 Guarda 40º32 7º Porto/Serra do Pilar 41º08' 8º36' 93 Lisboa / Geofísico 38º43' 9º09' 77 Évora 38º34' 7º54' 309 Beja 38º10 7º Faro 37º01' 7º 58' 8
6 METODOLOGIA ESTOCÁSTICA STICA Séries Temporais de Referência ANÁLISE DA HOMOGENEIDADE DAS SÉRIES TEMPORAIS METEOROLÓGICAS (1)Séries temporais coerentes (2) Séries temporais consistentes. TEMPERATURA DO AR ANÁLISE TEMPORAL: Teste de homogeneidade de Kruskal-Wallis (média e a variância); Teste de homogeneidade de Bartlett and Lévene (variância); Diagnóstico de tendência e derivas: Modelação por Regressão Linear e Análise Residual. Teste estrutural do ponto de ruptura de Chow (detecção de não homogeneidades espaço-temporal).
7 PRECIPITAÇÃO ANÁLISE TEMPORAL: Teste de autocorrelação Wald-Wolfowitz; Coeficientes de tendência de Spearman e Kendall; Teste estrutural do ponto de ruptura de Chow (detecção das nãohomogeneidades espaço-temporais). Teste de homogeneidade normal padronizado (SNHT)
8 RECONSTRUÇÃO DAS SÉRIES S TEMPORAIS -ANN (REDES NEURONAIS ARTIFICIAIS) - As séries temporais são um caso especial em que é aplicada a regressão simbólica e que pode ser feita usando um padrão de modelação matemática através de uma rede de inteligência artificial. - ANN S explora a dependência de algumas característics meteorológicas sobre Portugal como uma função do tempo e dos inputs através da simulação computacional. -ANÁLISE DAS ONDULETAS (WAVELET) - Resolve os problemas de não-estacionariedade das séries temporais. - A metodologia é decompor as séries temporais num domínio tempo/frequência simultaneamente. Obtemos informação sobre a amplitude de um sinal periódico no interior da série e como esta amplitude varia com o tempo.
9 REDES NEURONAIS ARTIFICIAIS As características essenciais, das ANN S S são: - As unidades de cálculo c básicas b (neurons( ou nodes). - A arquitectura da rede (conexão entre as unidades de cálculo). c - O algoritmo de treino usado para determinar valores dos parâmetros da rede (pesos). - O conjunto de teste é a segunda série s de dados, que é produzida da mesma forma que o conjunto de treino mas com novos valores para a componente do ruído. A MELHOR GENERALIZAÇAO AO PARA OS NOVOS DADOS É OBTIDA QUANDO O MAPEAMENTO REPRESENTA OS ASPECTOS SISTEMÁTICOS TICOS DOS DADOS, EM VEZ DE CAPTURAR OS DETALHES ESPECÍFICOS (EXEMPLO: A CONTRIBUIÇÃO DO RUÍDO) DO CONJUNTO DE TREINO PARTICULAR.
10 AN ANÁLISE DAS ONDULETAS (WAVELET) LISE DAS ONDULETAS (WAVELET) Y 1,,Y n é uma subamostra de um processo de diferença fracional estacionária Gaussiana {Y t }, a função de densidade espectral é S(f)=σ 2 2sin(πf) -2d for -1\2 f 1\2 0 d 1\2 and σ 2 >o PROCESSO DE LONGA DEPENDÊNCIA DWT (transformada discreta de onduletas) pode ser usado para construir um teste de homogeneidade da variância nas séries temporais de longa memória. H O = σ 12 = σ 22 = = σ N 2 Um teste estatístico que pode discriminar entre esta hipótese nula e uma variedade de hipóteses alternativas é a soma cumulativa normalizada do teste estatístico D ( ) = = = + + = = 1 1 max 1 max, max 1,...; N k P D P n k D D D D N k X X P k N k k N k N j j k j j K
11 Simulações de Monte Carlo permitem obter valores críticos para o teste estatístico D. Os coeficientes das onduletas de comprimento igual ou superior a 128 utilizando valores críticos dá resultados razoáveis. Esta metodologia é um método m eficaz para detectar e localizar inohomogeneidades da variãncia nas séries s temporais. - DWT produz um teste estatístico stico que pode ser avaliado segundo o pressuposto do ruído branco. - MODWT oferece uma boa resolução no domínio temporal para localizar as alterações na variância. A CAPACIDADE DA DWT É A PARTIÇÃO DA FUNÇÃO DENSIDADE ESPECTRAL EM BANDAS QUE É A CHAVE DA METODOLOGIA PROPOSTA NESTE TRABALHO.
12 TEORIA DA PROBABILIDADE Na aproximação probabilistica as incertezas são caracterizadas pela probabilidade associadas aos eventos. Esta aproximação pode descrever as incertezas a partir dos distúrbios estocásticos, condições de variabilidade e considerações de risco. As incertezas associdas aos inputs do modelo são descritas por distribuições probabilisticas, e o objectivo é estimar a distribuição de probabilidade do output deste processo que compreende duas etapas. PROBABILIDADE DA CODIFICAÇÃO DOS INPUTS Este processo envolve a determinção da distribuição probabilistica dos parâmetros de input, e incorpora as variações aleatórias devido à variabilidade natural e devido aos erros. PROPAGAÇÃO DA INCERTEZA ATRAVÉS DOS MODELOS Cada output calculado pelo modelo sofre alterações quando há alterações nos inputs, em suma a função de densidade de probabilidade (pdf) do output depende dos pdf s dos inputs.
13 TEORIA DO CONJUNTO FUZZY Teoria fuzzy é um método que facilita a análise das incertezas de sistemas onde a incerteza aumenta devido à vagueness ou fuzziness em vez da aleatoriedade somente. FUZZIFICAÇÃO é uma metodologia para generalizar uma teoria especifica a partir de uma forma discreta para uma contínua (fuzzy). A lógica fuzzy é definida pelo seguinte conjunto de relações : Teoria fuzzy pode ser uma generalização da teoria de conjuntos clássica, os estados são descritos em termos das funções que são contínuas e têm um intervalo [ 0, 1] µ A ( x) 1 = 0 p iff iff 0 p 1 x A x A iff x partially belongs to A
14 MODELANDO AS INCERTEZAS ENVOLVIDAS NO PROGNÓSTICO - TEORIA DA PROBABILIDADE usa modelos probabilísticos para quantificar as incertezas associadas com a predição dos fenómenos, e mede conhecimento incompleto através da modelação objectiva. - TEORIA DO CONJUNTO FUZZY modelando a incerteza associada às séries temporais seleccionadas. A teoria de conjunto fuzzy modela a incerteza baseada no conhecimento através de uma modelação subjectiva.
15 ANÁLISE DE CASOS ESTUDADOS LISBOA GEOFÍSICO (série temporal de referência) VARIÁVEL VEL FUNÇÃO INPUT FUNÇÃO OUTPUT TESTE DE TREINO TMÁXIMA TANGENTE HYPERBÓLICA BACK- PROPAGATION LINEAR TMÍNIMA LINEAR BACK- PROPAGATION LOGISTICA PRECIPITAÇÃO LOGISTICA BACK- PROPAGATION TANGENTE HYPERBÓLICA INSOLAÇÃO TANGENTE HYPERBÓLICA BACK- PROPAGATION LINEAR
16 PREVISÃO FARO - INSOLAÇÃO Input column Nome Importance, % INS557 39,6 INS562 36,1 INS535 5,94 TAMAX546 5,09 TMAX557 6,25 INS011 1,35 TAMAX535 1,81 TMAX555 1,36 TMAX82 0,87 CORRELAÇÃO=0,97 R 2 =0,94
17 RECONSTRUÇÃO - INSOLAÇÃO DATA ESTIMATIVA (horas) , , , , , ,2
18 PROGNÓSTICO GUARDA - PRECIPITAÇÃO Coluna input nome Importância, % RR546 30,22 R557 22,29 R011 19,32 RR535 13,49 R562 10,28 TMIN82 1,72 SEASON 1,41 NAO 0,88 CORRELAÇÃO=0,97 R 2 =0,85
19
20 RECONSTRUÇÃO - PRECIPITAÇÃO DATA , , , , , , , , ,4 ESTIMATIVA (mm)
21 AGRADECIMENTOS A ALEX GRECHANOWSKI QUE GRACIOSAMENTE FORNECEU O SOFTWARE NEUROINTELLIGENCE- NEURAL NETWORK FOR PROFESSIONALS.
22 CONCLUSÕES - Na fase negativa da NAO as principais características é na inversão da estrutura dipolar e ela constitui a principal fonte de precipitação durante este regime. - A fase negativa da NAO joga um papel mais relevante sobre a parte sul de Portugal. - A fase positiva da NAO conduz geralmente a condições atmosféricas mais secas. - Quando a força da ENSO aumenta, a grandeza as anmalias da precipitação não sofre alterações significativas, mas a área sob influência e a coerência entre os eventos aumenta igeiramente. - A fase quente da PDO prevalece sobre o El Niño.
23 DIRECT KRIGING ABSOLUTE WEIGHTS SPATIAL CORRELATION INFORMATION (TEMPERATURE) SPATIAL INTERPOLATION CONTRIBUTION PLOT 0,75 TMIN Montalegre TMIN Guarda Second Weight Factor 0,50 0,25 0,00-0,25-0,50 TMIN Beja TMAX Faro TMIN Faro TMAX Montalegre TMIN Porto TMIN Lisbon TMIN Évora TMAX Porto TMAX Beja TMAX Libon TMAX Guarda TMAX Évora 0,0 0,1 0,2 0,3 0,4 0,5 First Weight Factor 0,6 0,7 0,8
24 DIRECT KRIGING ABSOLUTE WEIGHTS SPATIAL CORRELATION INFORMATION (PRECIPITATION) SPATIAL INTERPOLATION CONTRIBUTION PLOT 0,15 R Porto 0,10 Second Weight Factor 0,05 0,00-0,05-0,10 R Beja R Évora R Guarda R Lisbon R Montalegre -0,15-0,20 R Faro -1,0-0,8-0,6-0,4 First Weight Factor -0,2 0,0
25 INDIRECT KRIGING ABSOLUTE WEIGHTS SPATIAL CORRELATION INFORMATION (MINIMUM TEMPERATURE) SPATIAL INTERPOLATION CONTRIBUTION PLOT 0,75 DTMIN Faro 0,50 DTMIN Guarda Second Weight Factor 0,25 0,00-0,25 DTMIN Lisbon DTMIN Évora DTMIN Porto DTMIN Montalegre -0,50 DTMIN Beja -1,0-0,8-0,6-0,4 First Weight Factor -0,2 0,0
26 INDIRECT KRIGING ABSOLUTE WEIGHTS SPATIAL CORRELATION INFORMATION (MAXIMUM TEMPERATURE) SPATIAL INTERPOLATION CONTRIBUTION PLOT DTMAX Guarda 0,50 DTMAX Lisbon Second Weight Factor 0,25 0,00-0,25 DTMAX Évora DMAX Beja DTMAX Faro -0,50 DTMAX Porto DTMAX Montalegre -0,75-1,0-0,8-0,6-0,4 First Weight Factor -0,2 0,0
27 INDIRECT KRIGING ABSOLUTE WEIGHTS SPATIAL CORRELATION INFORMATION (PRECIPITATION) SPATIAL INTERPOLATION CONTRIBUTION PLOT 0,2 DR Faro Second Weight Factor 0,1 0,0-0,1-0,2 DR Beja DR Guarda DR Évora DR Porto DR Lisbon DR Montalegre -0,3-1,0-0,8-0,6-0,4 First Weight Factor -0,2 0,0
Aplicação de Redes Neuronais Artificiais no Comportamento da Precipitação em Portugal Continental.
2º ENCONTRO DE PÓS-GRADUAÇÃO EM INVESTIGAÇÃO E ENSINO DAS CIÊNCIAS FÍSICAS E DA TERRA DA UNIVERSIDADE DE ÉVORA Aplicação de Redes Neuronais Artificiais no Comportamento da Precipitação em Portugal Continental.
Leia maisProcessos Hidrológicos CST 318 / SER 456. Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016
Processos Hidrológicos CST 318 / SER 456 Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016 Camilo Daleles Rennó Laura De Simone Borma http://www.dpi.inpe.br/~camilo/prochidr/ Caracterização
Leia maisÍNDICE GERAL AGRADECIMENTOS RESUMO ABSTRACT SIMBOLOGIA 1. - INTRODUÇÃO 2. - DEFINIÇÃO DO PROBLEMA
ÍNDICE GERAL AGRADECIMENTOS RESUMO ABSTRACT SIMBOLOGIA 1. - INTRODUÇÃO 2. - DEFINIÇÃO DO PROBLEMA 3. - SISTEMATIZAÇÃO DE CONCEITOS E REVISÃO DA LITERATURA 3.1 - INTERPOLAÇÃO ESPACIAL DE INFORMAÇÃO ASSOCIADA
Leia maisVanda Pires. Divisão de Clima e Alterações Climáticas Agradecimentos: Fátima E. Santo e Álvaro Silva
Aplicações Estatísticas em Climatologia Statistical Applications in Climatology Vanda Pires Agradecimentos: Fátima E. Santo e Álvaro Silva Divisão de Clima e Alterações Climáticas vanda.cabrinha@ipma.pt
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisUso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Leia maisBoletim Climatológico Mensal Novembro 2010
Boletim Climatológico Mensal Novembro 2010 CONTEÚDOS IM,I.P. 01 Resumo Mensal 04 Resumo das Condições Meteorológicas 05 Caracterização Climática Mensal 05 Temperatura do Ar 06 Precipitação Total 08 Outros
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisBoletim Climatológico Mensal JUNHO 2008
Boletim Climatológico Mensal JUNHO 2008 CONTEÚDOS IM 02 Resumo Mensal 04 Resumo das Condições Meteorológicas 05 Caracterização Climática Mensal 05 Temperatura do Ar 07 Precipitação 09 Outros elementos
Leia maisBoletim Climatológico Sazonal Verão 2009
Boletim Climatológico Sazonal Verão 2009 CONTEÚDOS IM 02 Resumo Sazonal 04 Caracterização Climática Sazonal 04 Temperatura do Ar 07 Precipitação 09 Fenómenos Relevantes Figura 1 RESUMO SAZONAL Boletim
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisAnálise das condições meteorológicas
2019 Análise das condições meteorológicas Vanda Cabrinha Pires Contributos: Tânia Cota, Álvaro Silva Grupo de Trabalho de assessoria à Comissão Permanente de Prevenção, Monitorização e Acompanhamento dos
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisMONITORIZAMOS CONTRIBUÍMOS O TEMPO O CLIMA A ACTIVIDADE SÍSMICA. PARA UM MUNDO MAIS SEGURO e UM DESENVOLVIMENTO SUSTENTÁVEL. à frente do nosso tempo
MONITORIZAMOS O TEMPO O CLIMA A ACTIVIDADE SÍSMICA CONTRIBUÍMOS PARA UM MUNDO MAIS SEGURO e UM DESENVOLVIMENTO SUSTENTÁVEL 29 de PARA Mai de 2009 UM I CONGRESSO MUNDO INTERNACIONAL MAIS DE RISCOS, SEGURO
Leia maisApontamentos de Introdução às Probabilidades e à Estatística
i Índice 7. Estimação 1 7.1. Estimação pontual 1 7.1.1. Propriedades dos estimadores 1 7.1.2. Métodos de estimação 4 7.1.2.1. Método dos momentos 4 7.1.2.2. Método da máxima verosimilhança 5 7.1.3. Exemplos
Leia maisANÁLISE DE HOMOGENEIDADE EM SÉRIES DE TEMPERATURA DO AR EM VIÇOSA - MG
ANÁLISE DE HOMOGENEIDADE EM SÉRIES DE TEMPERATURA DO AR EM VIÇOSA - MG ROZIANE S. DOS SANTOS, ROBSON A. DE OLIVEIRA 2, GILBERTO C. SEDIYAMA 3 Estatística, Profª Assistente, Departamento de Matemática e
Leia maisBoletim Climatológico Sazonal - Outono 2010
Boletim Climatológico Sazonal - Outono 2010 CONTEÚDOS IM 01 Resumo Sazonal 04 Resumo das condições meteorológicas 05 Caracterização Climática Sazonal 05 Temperatura do Ar 08 Precipitação 10 Fenómenos Relevantes
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência jω Ge ( ) = jω Ye ( ) jω Ue ( ) Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisLaboratório de Termodinâmica e Estrutura da Matéria Docente: João Fonseca,
Laboratório de Termodinâmica e Estrutura da Matéria Docente: João Fonseca, jfonseca@tecnico.ulisboa.pt Programa (componente laboratorial): Lab 1 (16/10 a 20/10) - Determinação dos calores específicos de
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisESTUDO DE VARIABILIDADE DAS PRECIPITAÇÕES EM RELAÇÃO COM O EL NIÑO OSCILAÇÃO SUL (ENOS) EM ERECHIM/RS, BRASIL.
ESTUDO DE VARIABILIDADE DAS PRECIPITAÇÕES EM RELAÇÃO COM O EL NIÑO OSCILAÇÃO SUL (ENOS) EM ERECHIM/RS, BRASIL. Josué Vicente Gregio 1 jvgregio@gmail.com Fabio de Oliveira Sanches 2 fsanches@uffs.edu.br
Leia maisPROGNÓSTICO DO POTENCIAL DE PRODUTIVIDADE DA SOJA PARA IRAÍ RS VIA REDES NEURAIS ARTIFICIAIS
PROGNÓSTICO DO POTENCIAL DE PRODUTIVIDADE DA SOJA PARA IRAÍ RS VIA REDES NEURAIS ARTIFICIAIS F. C. CONDE 1,2, D.B. FERREIRA 1,3, A. M. RAMOS 1,2, L. A. SANTOS 1 1 Instituto de Nacional de Meteorologia
Leia maisBOLETIM METEOROLÓGICO PARA A AGRICULTURA
Depósito Legal n.º 7919/85 ISSN 0870-4694 MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E ENSINO SUPERIOR INSTITUTO DE METEOROLOGIA BOLETIM METEOROLÓGICO PARA A AGRICULTURA Publicação Trimensal PRESIDENTE: Dr. Adérito
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia mais7 Resultados de Medições Diretas. Fundamentos de Metrologia
7 Resultados de Medições Diretas Fundamentos de Metrologia Motivação definição do mensurando procedimento de medição resultado da medição condições ambientais operador sistema de medição Como usar as informações
Leia maisQUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula:
QUÍMICA ANALÍTICA V 2S 2011 Aulas 1 e 2 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf/baccan Discussão dos
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia mais4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA
4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA No capítulo 4, são aplicados os métodos individuais e os combinados à projeção de curto prazo da série de consumo residencial
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos
PHD 574 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 8 a aula Testes Não-Paramétricos de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 005 Estatística Aplicada
Leia maisANÁLISE DE TENDÊNCIAS NA SÉRIE HISTÓRICA DE PRECIPITAÇÕES EM CURITIBA TREND ANALYSIS AT HISTORICAL PRECIPITATION SERIES IN CURITIBA
ANÁLISE DE TENDÊNCIAS NA SÉRIE HISTÓRICA DE PRECIPITAÇÕES EM CURITIBA Carla Milléo 1* ; Robinson Ploszai 2 ; Miriam Rita Moro Mine 3 Resumo: O objetivo deste artigo é usar a análise estatística para identificar
Leia maisBoletim Climatológico Mensal Janeiro 2011
Boletim Climatológico Mensal Janeiro 2011 CONTEÚDOS IM, I.P. 01 Resumo Mensal 04 Resumo das Condições Meteorológicas 05 Caracterização Climática Mensal 05 Temperatura do Ar 06 Precipitação Total 08 Outros
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS A distribuição dos tempos de permanência dos estudantes nos cursos de graduação de certa universidade é uma distribuição normal com média igual a 6 anos e desvio padrão igual
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisQuímica Analítica V 2S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 2S 2012 Aula 3: 04-12-12 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan 1 Conceito
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisMudanças climáticas antrópicas e variações climáticas naturais
Mudanças climáticas antrópicas e variações climáticas naturais Alice M. Grimm 1 1. Situação atual relativa ao tema Em 2007, o Painel Intergovernamental de Mudanças Climáticas (IPCC) emitiu seu mais recente
Leia maisAula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição
Aula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição Universidade Federal da Bahia Escola Politécnica Disciplina: Instrumentação e Automação Industrial I(ENGF99)
Leia maisIncerteza local e incerteza espacial SIMULAÇÃO
Incerteza local e incerteza espacial SIMULAÇÃO Situações em que o interesse na avaliação da incerteza não se resume a um ponto, mas a um conjunto de pontos simultaneamente. Com a krigagem é possível a
Leia maisBolsas BIC CMAT Ano Lista das propostas
Bolsas BIC CMAT Ano 2017 Lista das propostas PROPOSTA BIC2017-A Modelos de regressão linear para evolução da função renal Orientador(es) Inês Sousa - isousa@math.uminho.pt Resumo Os modelos de regressão
Leia maisPrevisão Mensal para o Continente 02abr / 29abr 2012
Previsão Mensal para o Continente 02abr / 29abr 2012 CONTEÚDOS Previsão Mensal para o Território do Continente (Data de referência para a previsão: 29/03/2012) Período de 02/04/2012 a 29/04/2012 IM, I.P
Leia maisBioestatística. Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho
Bioestatística Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho Medidas de Dispersão Desvio padrão Medida da variabilidade dos valores em torno da média. ( xi DP= n 1 x) 2 É mais fiel
Leia maisRELAÇÃO ENTRE O ÍNDICE OSCILAÇÃO SUL (IOS) E A PRECIPITAÇÃO NO RIO GRANDE DO SUL 1. INTRODUÇÃO
RELAÇÃO ENTRE O ÍNDICE OSCILAÇÃO SUL (IOS) E A PRECIPITAÇÃO NO RIO GRANDE DO SUL FERNANDES, Valesca 1 ; SPERLING, Vinicius 2 ; MARQUES, Julio Renato 2 1 Graduanda da Faculdade de Meteorologia da UFPel.
Leia mais2 FUNDAMENTACÃO TEÓRICA
2 FUNDAMENTACÃO TEÓRICA Este capítulo apresenta os modelos de séries temporais chamados estruturais, nos quais o valor das observações é visto como composto de uma parte sistemática, modelada por uma equação
Leia maisINFORMAÇÃO CLIMÁTICA FEVEREIRO 2007
INFORMAÇÃO CLIMÁTICA FEVEREIRO 27 Ministério da Ciência, Tecnologia e Ensino Superior Instituto de Meteorologia, I. P. Rua C Aeroporto de Lisboa Tel.: (351) 21 844 7 e-mail: informacoes@meteo.pt 1749-77
Leia maisAJUSTE DE UM MODELO DE SÉRIES TEMPORAIS PARA PREVISÃO DA TEMPERATURA MÍNIMA DO AR PARA LAVRAS/MG EM 2011
AJUSTE DE UM MODELO DE SÉRIES TEMPORAIS PARA PREVISÃO DA TEMPERATURA MÍNIMA DO AR PARA LAVRAS/MG EM 2011 LUIZ G. CARVALHO 1, CAMILA C. ALVARENGA 2 DANIELA C. RODRIGUES 3 1 Eng. Agrícola, Prof. Adjunto,
Leia maisVARIABILIDADE CLIMÁTICA E PERSISTÊNCIA DE EVENTOS SECOS: ANÁLISE E MODELAGEM DA SÉRIE HISTÓRICA DE FORTALEZA POR MEIO DE UM MODELO DE
Universidade de Brasília Departamento de Engenharia Civil e Ambiental VARIABILIDADE CLIMÁTICA E PERSISTÊNCIA DE EVENTOS SECOS: ANÁLISE E MODELAGEM DA SÉRIE HISTÓRICA DE FORTALEZA POR MEIO DE UM MODELO
Leia maisAlgoritmos de Aprendizado
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Radial Basis Functions (RBFs) Competitive Learning Hopfield Algoritmos de Aprendizado Regra de Hebb Perceptron
Leia maisTEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS.
TEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS. 1. INTRODUÇÃO Nosso planeta seguiu uma evolução desde sua origem, passando por transformações significativas em sua
Leia maisDistribuição Pluviométrica no município de Delmiro Gouveia AL
Distribuição Pluviométrica no município de Delmiro Gouveia AL Alex Oliveira da Silva UFAL/Campus Sertão Thiago Alberto da Silva Pereira UFAL/Campus Sertão INTRODUÇÃO O semiárido brasileiro apresenta irregularidade
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia mais17/04/2017. Tipos de dados. Primários. Secundários
1 Tipos de dados Primários Secundários 2 1 Dados primários Recolhidos, observados ou experienciados junto ao evento 3 Dados secundários Fontes que interpretam os dados primários. Tendem a ser menos fiáveis
Leia mais5 PREVISÃO DE SÉRIES TEMPORAIS DE VAZÃO DE DRENOS DA BARRAGEM DE FUNIL
5 PREVISÃO DE SÉRIES TEMPORAIS DE VAZÃO DE DRENOS DA BARRAGEM DE FUNIL 5.1 Introdução Existem situações, como por exemplo, em grandes obras de engenharia (portos, barragens, usinas nucleares, etc.), em
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisão, Regressão & Simulação
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 09: Correlação ão, Regressão & Simulação 1/43 Pode-se pesar um urso com fita métrica? Como os ursos, em sua
Leia maisACA-223: Climatologia 1. Climatologia Física: Elementos e Controles do Clima: Variabilidade Diurna e Sazonal
ACA-223: Climatologia 1 Climatologia Física: Elementos e Controles do Clima: Variabilidade Diurna e Sazonal O que é o Clima? Clima: estado da atmosfera (caracterizado pelas variáveis atmosféricas, ex.
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia maisQuímica Analítica V 1S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 1S 2013 Aula 3: 13-05 05-2013 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan
Leia maisINTRODUÇÃO À ESTATÍSTICA ESPACIAL. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À ESTATÍSTICA ESPACIAL Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Métodos Índices de agregação Métodos de quantificação da dependência especial Correlograma Variograma Métodos
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisPrevisão Mensal para o Território do Continente (Data de referência para a previsão: 08/03/2012) Período de 12/03/2012 a 08/04/2012
Previsão Mensal para o Território do Continente (Data de referência para a previsão: 08/03/2012) Período de 12/03/2012 a 08/04/2012 IM, I.P 02 1ª Semana (12/03 a 18/03) 03 2ª Semana (19/03 a 25/03) 04-3ª
Leia maisProdução Distribuída nas Redes de Distribuição
Produção Distribuída nas Redes de Distribuição Previsão da Produção Distribuída Cláudio Monteiro Distribuição de Energia II 5º ano da LEEC - ramo de Energia (FEUP) Previsão da PD Tipos de previsão e sua
Leia maisMODELAÇÃO MATEMÁTICA DOS RECURSOS HÍDRICOS SUBTERRÂNEOS DA REGIÃO DE MOURA
7 CLIMA 7.1 Introdução Para a caracterização do clima de uma região, no que respeita à água, uma das técnicas correntemente utilizadas consiste na realização do balanço sequencial mensal da água no solo.
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisBoletim Climatológico Mensal Agosto 2008
Boletim Climatológico Mensal Agosto 2008 CONTEÚDOS IM 01 Resumo Mensal 04 Resumo das Condições Meteorológicas 05 Caracterização Climática Mensal 05 Temperatura do Ar 07 Precipitação Total 09 Outros elementos
Leia maisBOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - DJF 2013/ VERÃO -
BOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - DJF 2013/2014 - - VERÃO - Seção Técnica de Serviços Meteorológicos Instituto de Astronomia, Geofísica e Ciências Atmosféricas. Universidade
Leia maisAPLICAÇÃO DO MODELO THORNTHWAITE-CAMARGO PARA EVAPOTRANSPIRAÇÃO POTENCIAL EM QUATRO CIDADES PARAIBANAS
APLICAÇÃO DO MODELO THORNTHWAITE-CAMARGO PARA EVAPOTRANSPIRAÇÃO POTENCIAL EM QUATRO CIDADES PARAIBANAS Andréia Maria Nogueira Dantas¹; Fagna Maria Silva Cavalcante²; Mariana Lima Figueredo³; Renata Luana
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisBoletim Climatológico Anual - Ano 2008
Boletim Climatológico Anual - Ano 2008 CONTEÚDOS 01 Resumo Anual 04 Caracterização Climática Anual 04 Temperatura do Ar 06 Precipitação 08 Factos e Fenómenos Relevantes IM Figura 1 RESUMO ANUAL 2008 Seco
Leia maisBoletim climatológico mensal Junho 2011
Boletim climatológico mensal Junho 2011 CONTEÚDOS IM,I.P. 01 Resumo Mensal 04 Resumo das Condições Meteorológicas 05 Caracterização Climática Mensal 05 Temperatura do Ar 06 Precipitação Total 08 Insolação
Leia maisRSM MÉTODO DA SUPERFÍCIE DE RESPOSTA
RSM MÉTODO DA SUPERFÍCIE DE RESPOSTA É UMA TÉCNICA ESTATÍSTICA MUITO ÚTIL PARA A MODELAÇÃO E ANÁLISE DE PROBLEMAS NOS QUAIS A (S) RESPOSTA (S) É INFLUENCIADA POR VÁRIAS VARIÁVEIS (FACTORES) E O GRANDE
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência ω = ω ω Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação gráfica deste conjunto
Leia mais2 Modelos de sintetização de séries temporais de atenuação por chuva
2 Modelos de sintetização de séries temporais de atenuação por chuva Alguns modelos estocásticos de sintetização de séries temporais de atenuação por chuva são baseados no modelo proposto por Maseng &
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisCapítulo 1. ˆ Observações correlacionadas são mais difíceis de analisar e requerem técnicas
Capítulo 1 Introdução Uma série temporal é uma coleção de observações feitas sequencialmente ao longo do tempo. A característica mais importante deste tipo de dados é que as observações vizinhas são dependentes
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisBOLETIM METEOROLÓGICO PARA A AGRICULTURA
Depósito Legal n.º 7919/85 ISSN 0870-4694 MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E ENSINO SUPERIOR INSTITUTO DE METEOROLOGIA BOLETIM METEOROLÓGICO PARA A AGRICULTURA Publicação Trimensal PRESIDENTE: Dr. Adérito
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisAjuste de modelos de séries temporais para pressão atmosférica de Uberlândia
Ajuste de modelos de séries temporais para pressão atmosférica de Uberlândia Valiana Alves Teodoro Mirian Fernandes Carvalho Araújo Lúcio Borges de Araújo Introdução Na comercialização de produtos originados
Leia maisBOLETIM CLIMÁTICO PRIMAVERA Início: 22/09/2017 às 17h02min - Término: 21/12/2017 às 13h28min*
BOLETIM CLIMÁTICO PRIMAVERA 2017 Início: 22/09/2017 às 17h02min - Término: 21/12/2017 às 13h28min* * Não considerado o horário de verão No Brasil o equinócio de setembro sinaliza o início da primavera.
Leia maisSistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy
Redes Neurais Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC).
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisEstudos Correlacionais e Estudos Causal Comparativos. Trabalho Elaborado por: Ana Henriques Carla Neves Idália Pesquita
Estudos Correlacionais e Estudos Causal Comparativos Trabalho Elaborado por: Ana Henriques Carla Neves Idália Pesquita Estudos Correlacionais e Estudos Causal Comparativos A compreensão do comportamento
Leia maisProcessamento de dados sísmicos, reflexão multi canal Prospecção Sísmica Aula06/1 NN
2014 Prospecção Sísmica Aula06/1 NN 2014 Prospecção Sísmica Aula06/2 NN Transformadas Fourier no tempo Fourier no espaço Fourier no espaço e tempo Laplace no tempo Radon tau-p no espaço e tempo 2014 Prospecção
Leia mais