%0 Conference Proceedings
%4 sid.inpe.br/mtc-m18/2012/12.18.14.28
%2 sid.inpe.br/mtc-m18/2012/12.18.14.28.13
%T Um framework baseado em componentes para aplicações de descoberta de conhecimento em banco de dados
%D 2012
%A Almeida, Wanderson Gomes,
%A Santos, Walter Abrahão dos,
%A Ramos, Fernando Manuel,
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%E Castro, Ana Paula Abrantes de,
%E Shiguemori, Élcio Hideiti,
%E Ramos, Fernando Manuel,
%B Workshop dos Cursos de Computação Aplicada do INPE, 12 (WORCAP).
%C São José dos Campos
%8 6-8 nov. 2012
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%J São José dos Campos
%S Anais
%1 Instituto Nacional de Pesquisas Espaciais (INPE)
%K desenvolvimento baseado em componentes, software aberto, KDD, mineração de dados, NetCDF, visualização científica, séries espaço-temporal.
%X A pesquisa de eventos climáticos tem grande importância nas políticas de tomada de decisões e tem um impacto social e econômico. O desenvolvimento de ferramentas eficazes para suporte deste processo é altamente desejável, sobretudo se elas provêm visualização de fenômenos. Este trabalho apresenta uma ferramenta que apoia as etapas de descoberta de conhecimento em banco de dados em séries espaço-temporal, ou seja pré-processamento, mineração de dados (DM) e pós-processamento. A ferramenta, aqui denominada de ERB-ArrayTools, foi desenvolvida em Java utilizando soluções de código aberto como componentes e prototipada para consultas SQL de estatísticas espaço-temporal de conjuntos de dados disponíveis na web a partir do Centro Nacional de Pesquisa Atmosférica da agência de Administração Nacional do Oceano e da Atmosfera (NOAA), contribuindo para aumento de produtividade na análise e visualização de dados. Neste trabalho são utilizados um Algoritmo Genético (AG) e uma Rede Neural Artificial (RNA) do tipo Perceptron de Múltiplas Camadas para determinar os coeficientes de amortecimento γ e a rigidez k de um sistema tipo massa-mola-amortecedor. O problema inverso consiste em determinar, a partir da série temporal de deslocamento, os coeficientes γ e k. A comparação entre as técnicas é feita com base nos resultados da estimativa dos parâmetros e custo computacional. Abstract. In this work we used a Genetic Algorithm and an Artificial Neural Network to estimate the damping (γ) and stiffness (k) coefficients of a spring- mass system. The inverse problem consists of to estimate, from a time series, the coefficients γ and k. The comparison between these two techniques is made on the results obtained in the estimation and on the computational time spent.
%@language pt
%3 worcap2012_submission_72 - Wanderson Gomes de Almeida.pdf