@PhDThesis{Muralikrishna:2022:ReWoMa,
               author = "Muralikrishna, Amita",
                title = "Solar irradiance prediction: replicating a workflow and making it 
                         reproducible",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2022",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2021-10-21",
             keywords = "solar irradiance, recurrent neural network, LSTM, GRU, 
                         reproducibility, irradi{\^a}ncia solar, redes neurais 
                         recorrentes, reprodutibilidade.",
             abstract = "In times when computational resources - such as data, code, 
                         software tools, libraries, etc. - play a fundamental role in the 
                         development of scientific works, it has become evident that 
                         transparency regarding all the computational arsenal involved in 
                         such type of work is essential for its validation. This concern is 
                         the basis of the culture of reproducibility, which aims to add to 
                         a work the possibility of it being reproduced by an unknown person 
                         or by the author herself/himself in the future. Reproducibility 
                         can bring other benefits such as enabling the reuse and continuity 
                         of a work, which is associated with other terms such as 
                         replicability. This thesis is based on a workflow developed for 
                         solar irradiance prediction, and focuses on replicating it and 
                         adopting mechanisms to make the new workflow reproducible, as well 
                         as better exploiting recurrent neural networks for the prediction 
                         task. The prediction of the total solar irradiance at the top of 
                         the atmosphere would contribute, for example, in studies of solar 
                         variability, or could bring improvements to atmospheric and 
                         climate models on Earth; however, it is a service still not much 
                         explored by the scientific community in the area of space weather. 
                         The new version of the workflow was developed attempting to use 
                         free computational resources, such as the Python language and 
                         Linux operating system, and performs the prediction task using 
                         different recurrent neural network architectures from the Keras 
                         library. The work confirms the effectiveness of recurrent networks 
                         in predicting total solar irradiance and for one of the emission 
                         lines tested: lyman-; and suggests that the prediction of other 
                         lines of the spectrum need additional parameters to obtain better 
                         accuracy. This document reports the replication process, presents 
                         the irradiance prediction results, and lists the computational 
                         resources employed to try to make the new workflow reproducible. 
                         RESUMO: Em tempos em que diversos recursos computacionais - como 
                         dados, c{\'o}digos, ferramentas de software, bibliotecas, etc. - 
                         s{\~a}o utilizados para o desenvolvimento de trabalhos 
                         cient{\'{\i}}ficos, tornou-se evidente que a transpar{\^e}ncia 
                         sobre todo o arsenal computacional envolvido em um trabalho {\'e} 
                         essencial para a sua valida{\c{c}}{\~a}o. Essa 
                         preocupa{\c{c}}{\~a}o {\'e} a base da cultura da 
                         reprodutibilidade, a qual tem como objetivo, agregar a um trabalho 
                         a possibilidade de ele ser reproduzido por um desconhecido ou pelo 
                         pr{\'o}prio autor futuramente. A reprodutibilidade pode trazer 
                         outros benef{\'{\i}}cios como possibilitar o reaproveitamento e 
                         a continuidade de um trabalho, o que {\'e} associado a termos 
                         como a replicabilidade. Esta tese usa como base um workflow 
                         desenvolvido para a previs{\~a}o da irradi{\^a}ncia solar, e se 
                         concentra em replic{\'a}-lo e adotar mecanismos para tornar o 
                         novo workflow reprodut{\'{\i}}vel, al{\'e}m de explorar melhor 
                         as redes neurais recorrentes para a tarefa de previs{\~a}o. A 
                         previs{\~a}o da irradi{\^a}ncia solar total no topo da atmosfera 
                         contribuiria, por exemplo, em estudos da variabilidade solar, ou 
                         poderia trazer melhorias para modelos atmosf{\'e}ricos e 
                         clim{\'a}ticos na Terra; no entanto, {\'e} um servi{\c{c}}o 
                         ainda pouco explorado pela comunidade cient{\'{\i}}fica da 
                         {\'a}rea de clima espacial. A nova vers{\~a}o do workflow foi 
                         desenvolvida buscando utilizar recursos computacionais gratuitos, 
                         como a linguagem Python e sistema operacional Linux, e realiza a 
                         tarefa de previs{\~a}o utilizando diferentes arquiteturas de 
                         redes neurais recorrentes da biblioteca Keras. O trabalho confirma 
                         a efic{\'a}cia das redes recorrentes na previs{\~a}o da 
                         irradi{\^a}ncia solar total e para uma das linhas de emiss{\~a}o 
                         testadas, a lyman-; e sugere que a previs{\~a}o de outras linhas 
                         do espectro necessitam de par{\^a}metros adicionais para obter 
                         melhor acur{\'a}cia. Este documento relata o processo de 
                         replica{\c{c}}{\~a}o, apresenta os resultados da previs{\~a}o 
                         da irradi{\^a}ncia e relaciona os recursos computacionais 
                         empregados para tentar tornar o novo workflow 
                         reprodut{\'{\i}}vel.",
            committee = "Vijaykumar, Nandamudi Lankalapalli (presidente) and Santos, Rafael 
                         Duarte Coelho dos (orientador) and Vieira, Luis Eduardo Antunes 
                         (orientador) and Dal Lago, Alisson and Carlesso, Franciele and 
                         Lorena, Ana Carolina and Gomez, Jenny Marcela Rodriguez",
         englishtitle = "Previs{\~a}o da irradi{\^a}ncia solar: replicando um fluxo de 
                         trabalho e tornando-o reprodut{\'{\i}}vel",
             language = "en",
                pages = "181",
                  ibi = "8JMKD3MGP3W34T/45LRUHH",
                  url = "http://urlib.net/ibi/8JMKD3MGP3W34T/45LRUHH",
           targetfile = "publicacao.pdf",
        urlaccessdate = "25 jun. 2024"
}