Uma analise de desempenho de modelos de interacao espacial usando redes neurais artificiais com diferentes conjuntos de dados de entrada.

• Processo: 02/08767-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2002
• Data de Término da vigência: 30 de setembro de 2003
• Área de conhecimento: Engenharias - Engenharia de Transportes - Planejamento de Transportes
• Pesquisador responsável: Antonio Nelson Rodrigues da Silva
• Beneficiário: Alexandra Akamine
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Estatística espacial
• Palavra(s)-Chave do Pesquisador: Estatistica Espacial

Resumo

O objetivo desse projeto de pesquisa é avaliar o desempenho de Modelos de Interação Espacial construídos com Redes Neurais Artificiais quando submetidos a diferentes conjuntos de dados e avaliar a distribuição espacial dos resíduos (erros) das previsões. Os dados empregados para este fim refletem a evolução espacial da demanda por serviços municipais de educação numa cidade média brasileira (São Carlos, SP), para os anos de 2000, 2001 e 2002. Os dados de demanda serão agregados em zonas e os fluxos, dos centróides destas zonas para os pontos de oferta, utilizados para treinamento, validação e teste dos modelos, tal como descrito a seguir. Inicialmente serão treinadas redes somente com os dados relativos ao ano 2000. Uma vez identificada a melhor arquitetura de rede, através da verificação dos erros obtidos com os conjuntos de dados de treinamento e validação, esta será usada para estimar os fluxos relativos aos dados de 2002, testando, portanto, a capacidade de generalização do modelo proposto. Todo este procedimento será repetido em seguida com um novo conjunto de dados, desta vez englobando os dados relativos aos anos de 2000 e 2001 para a construção do modelo e novamente comparando os resultados das estimativas com os dados de 2002. O passo seguinte consistirá em comparar os desempenhos dos dois modelos, avaliando ainda a distribuição espacial dos resíduos (erros) das duas previsões com técnicas de Estatística Espacial. (AU)