Agrupamento de dados via mapas auto-organizáveis para previsão de explosões solares

• Processo: 17/07159-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2017
• Data de Término da vigência: 31 de dezembro de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Guilherme Palermo Coelho
• Beneficiário: Bruno Antunes Carneiro da Silva
• Instituição Sede: Faculdade de Tecnologia (FT). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil
• Assunto(s): Redes de distribuição de energia elétrica Agrupamento de dados Erupção solar Predição Mapas conceituais Metodologia e técnicas de computação
• Palavra(s)-Chave do Pesquisador: Agrupamento de Dados | Explosoes Solares | Mapas Auto-Organizáveis | Redes de Kohonen | Agrupamento de Dados

Resumo

As explosões solares vêm se tornando um assunto de grande interesse para pesquisadores de diferentes áreas, uma vez que tal fenômeno tem impacto direto na vida terrestre. Dentre estes impactos podemos citar a interferência causada em satélites e radares, o superaquecimento de transformadores de redes de distribuição de energia e até mesmo o comprometimento do sistema cardiovascular de animais terrestres, dentre outros. Dado tal contexto, é importante que sejam desenvolvidos métodos capazes de prever esses fenômenos para que providências possam ser tomadas de maneira a mitigar seus efeitos. Assim, o presente projeto de iniciação científica busca, por meio de agrupamento particional dos dados de explosões solares via mapas auto-organizáveis, identificar aspectos comuns aos diferentes grupos que serão obtidos. Além disso, serão treinados preditores de explosões solares com os dados de cada grupo previamente identificado, preditores estes que serão posteriormente utilizados para fornecerem uma predição única para o problema. Tal abordagem tem o objetivo de verificar se preditores que representam partes específicas do problema podem levar a uma melhora da predição global de explosões solares, ou seja, se o agrupamento prévio dos dados ajuda ou não na predição dessas explosões. Os resultados obtidos serão comparados com os que vêm sendo reportados na literatura e em outros trabalhos em desenvolvimento no grupo High Performance Intelligent Decision Systems (HighPIDS - FT/Unicamp), dentro do qual este trabalho será desenvolvido.