@InProceedings{BenoitPetr:2021:ReCoEl,
author = "Benoit, Andres Gilberto Machado da Silva and Petry, Adriano",
affiliation = "{Universidade Federal de Santa Maria (UFSM)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)}",
title = "Reconstru{\c{c}}{\~a}o do conte{\'u}do eletr{\^o}nico total da
ionosfera utilizando an{\'a}lise espectral de dados
hist{\'o}ricos",
booktitle = "Resumos...",
year = "2021",
editor = "Ribeiro, Val{\'e}ria Cristina dos Santos and Paulicena,
Ed{\'e}sio Hernane and Almeida, Elton Kleiton Albuquerque de and
Correia, Emilia and Souza, Jo{\~a}o Paulo Estevam de and Hey,
Heyder and Escada, Paulo Augusto Sobral and Savonov, Roman
Ivanovitch and Camayo Maita, Rosio del Pilar",
organization = "Semin{\'a}rio de Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica e
Inicia{\c{c}}{\~a}o em Desenvolvimento Tecnol{\'o}gico e
Inova{\c{c}}{\~a}o (SICINPE)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
note = "{Bolsa PIBIC/PIBITI/INPE/CNPq.}",
abstract = "A ionosfera inicia em torno de 60 km mas se estende para mais de
1000 km de altitude, sendo ela composta principalmente por
{\'{\i}}ons e plasma ionosf{\'e}rico onde a
produ{\c{c}}{\~a}o de sua maior parte {\'e} oriunda da
radia{\c{c}}{\~a}o solar envolvendo um processo chamado de
fotoioniza{\c{c}}{\~a}o. Dessa forma, estudar e conhecer a
din{\^a}mica da ionosfera {\'e} de suma import{\^a}ncia devido
ao seus efeitos sobre aparelhos eletr{\^o}nicos, servi{\c{c}}os
de comunica{\c{c}}{\~a}o e linhas de energias, sendo fatores
cruciais na sociedade atual. Prop{\~o}e-se atrav{\'e}s da
an{\'a}lise espectral de dados j{\'a} observados, encontrar uma
rela{\c{c}}{\~a}o entre {\'{\i}}ndices de incid{\^e}ncia
solar como F10.7, manchas solares e fluxo de f{\'o}tons com os
dados de conte{\'u}do eletr{\^o}nico total (TEC). Para a
an{\'a}lise espectral utilizou-se a transformada discreta do
cosseno (DCT), al{\'e}m disso, modelos de aprendizado de
m{\'a}quina supervisionado multidimensionais foram utilizados,
como regress{\~a}o linear, polinomial e m{\'a}quina de vetores
de suporte. Tais modelos foram aplicados a cada ponto
geogr{\'a}fico para cada componente da frequ{\^e}ncia da DCT de
forma independente, com o conjunto de dados de 2014 a 2019.
Atrav{\'e}s de uma an{\'a}lise de correla{\c{c}}{\~a}o
definiu-se que 5 anos de dados para treinamentos resultam em erros
menores quando comparados a 3 anos, somando a isso, t{\'e}cnicas
de curva de aprendizado filtraram modelos polinomiais de 4° a 7° e
an{\'a}lise qualitativas eliminaram o 3°. Para os modelos
restantes, notou-se uma varia{\c{c}}{\~a}o sazonal na raiz do
erro m{\'e}dio quadr{\'a}tico (RMSE) claramente relacionada aos
per{\'{\i}}odos de equin{\'o}cios (erro menor) e
solst{\'{\i}}cios (erro maior), o que aponta para um
poss{\'{\i}}vel ajuste sazonal na modelagem. Com o objetivo de
diminuir o erro global do RMSE, a regulariza{\c{c}}{\~a}o
Elastic Net foi utilizada, obtendo um RMSE de 2.8014 TECu para a
regress{\~a}o linear.",
conference-location = "on line",
conference-year = "23 a 27 – ago",
language = "pt",
organisation = "Divis{\~a}o de Fomento a Pesquisa e Desenvolvimento (DIFPD)",
ibi = "8JMKD3MGP3W34T/45MCMNP",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/45MCMNP",
targetfile = "Andres Gilberto Machado da Silva Benoit_Resumo.pdf",
urlaccessdate = "02 maio 2024"
}