Aplicações do aprendizado de máquina para o aperfeiçoamento de técnicas de mapeamento submarino

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Silva, Diogo Ceddia Porto
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://app.uff.br/riuff/handle/1/29029
Resumo: A presente dissertação apresenta diversas aplicações do aprendizado de máquina para aperfeiçoar técnicas de mapeamento do fundo marinho. Inicialmente, é feita uma revisão das metodologias tradicionais de mapeamento do fundo marinho na Baía Rei George, Ilhas Shetland do Sul, Antártida. Nesta etapa foi mostrado que diferentes informações relativas ao leito marinho (profundidade, backscatter, declividade do fundo, etc) são predominantemente independentes entre si. Tal informação foi base para aplicação do modelo de aprendizado de máquina XGBoost, utilizado para: extrapolar classificação de ecocaráteres, inicialmente disposta em linhas, para uma superfície; demonstrar que o modelo pode oferecer resultados preliminares sobre a ecocaracterização da área, havendo somente interpretação parcial advinda do especialista; e, por último, demonstrar que o modelo é uma alternativa viável para realizar predição em secções do dado difíceis de classificar, seja devido à regiões transicionais de eco-tipos ou limitações da própria aquisição do dado, que dificultam a interpretação. Ao fim, foram evidenciadas aplicações de aprendizado de máquina de baixo custo computacional, aplicabilidade doméstica e acurácias balanceadas de até 99% na aplicação do modelo, demonstrando o potencial imenso que essa ferramenta pode proporcionar.