Seleção de atributos para previsão de explosões solares baseada em algoritmos evolutivos

• Processo: 16/02020-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2016
• Data de Término da vigência: 30 de abril de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Guilherme Palermo Coelho
• Beneficiário: Douglas Correa de Araujo
• Instituição Sede: Faculdade de Tecnologia (FT). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil
• Assunto(s): Computação evolutiva Mineração de dados Algoritmos evolutivos Clima espacial Erupção solar
• Palavra(s)-Chave do Pesquisador: Clima espacial | computação evolutiva | Explosoes Solares | Seleção de Atributos | Seleção de Atributos em Mineração de Dados

Resumo

O Clima Espacial, ou seja, as condições do Sol, ventos solares e camadas da atmosfera terrestre, pode afetar significativamente a vida na Terra, tendo impacto direto em tecnologias como espaçonaves, satélites, aviões, redes de distribuição de energia, redes de comunicação e outros. Tais impactos são predominantemente negativos, principalmente na ocorrência de explosões solares severas, ou seja, quando há liberação de grande quantidade de energia na atmosfera solar em um curto espaço de tempo. Diante disso, vários grupos de pesquisa buscam o desenvolvimento de mecanismos capazes de realizar a previsão da ocorrência de tais explosões com certa antecedência, visando minimizar seus efeitos na Terra. Dentre os trabalhos existentes, não há um consenso sobre quais parâmetros (atributos), observáveis a partir do Sol e do meio interplanetário, mais contribuem para a qualidade final da previsão. Assim, este projeto propõe a implementação de um algoritmo evolutivo para identificar, automaticamente, um subconjunto de parâmetros, dentre os utilizados na literatura e disponíveis para acesso público, que leve ao menor erro de predição de ocorrência de explosões solares. Este mecanismo automático de seleção de atributos funcionará em conjunto com preditores baseados em Multilayer Perceptrons (MLPs) em desenvolvimento pelo grupo de pesquisas ao qual este projeto está vinculado (High Performance Intelligent Decision Systems - HighPIDS), seguindo o método wrapper.