@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"
}