Uso de perceptrons de múltiplas camadas (MLPs) para estimar e preencher dados faltantes de poluentes atmosféricos
Carregando...
Tipo
TCC
Data de publicação
2023-12-10
Periódico
Citações (Scopus)
Autores
Pinto, Guilherme da Costa Sampaio
Abreu, João Pedro Canova Nunes de
Martins, Renan Clepf
Abreu, João Pedro Canova Nunes de
Martins, Renan Clepf
Orientador
Ruivo, Eurico Luiz Prospero
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Este artigo tem como objetivo demonstrar um meio de realizar a
estimativa de dados faltantes em uma base de dados utilizando a mesma ou outra
base de dados, por meio de uma inteligência artificial (I.A.), isto é, uma rede neural
de Perceptrons de Múltiplas Camadas (MLPs). A partir de duas bases de dados de
estações meteorológicas (Índia e Madri), temos como objetivo obter uma alternativa
viável para estimar valores faltantes, nos quais foram validados a partir de sua
relevância e impacto em estudos do Índice de Qualidade do Ar (IQA). Os resultados
do nosso modelo de rede neural foram um misto entre: em grande parte satisfatórios
para treinamento e teste na mesma base e impossíveis de preencher devido à baixa
acurácia para treinamento e teste em bases diferentes.
This paper aims to demonstrate a method for estimating missing data in a dataset using the same or another dataset through artificial intelligence (AI), specifically a Multilayer Perceptron (MLP) neural network. From two meteorological station databases (India and Madrid), our goal is to find a viable alternative for estimating missing values, which have been validated based on their relevance and impact in Air Quality Index (AQI) studies. The results of our neural network model were a mix of: largely satisfactory for training and testing on the same dataset and impossible to fill due to low accuracy for training and testing on different datasets.
This paper aims to demonstrate a method for estimating missing data in a dataset using the same or another dataset through artificial intelligence (AI), specifically a Multilayer Perceptron (MLP) neural network. From two meteorological station databases (India and Madrid), our goal is to find a viable alternative for estimating missing values, which have been validated based on their relevance and impact in Air Quality Index (AQI) studies. The results of our neural network model were a mix of: largely satisfactory for training and testing on the same dataset and impossible to fill due to low accuracy for training and testing on different datasets.
Descrição
Indicado para publicação.
Palavras-chave
perceptrons de múltiplas camadas , MLP , machine learning , rede neural , estimação de dados , indice de qualidade do ar (IQA)