Avaliação de diferentes medidas de similaridade no SIMDISPAT - Novo Algoritmo de Simulação de Múltiplos Pontos

• Ano de defesa: 2021
• Autor(a) principal: Morales Rodriguez, Karla Ximena
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Banco de dados de padrões; Estatística de múltiplos pontos (MPS); Função de conectividade; Imagem de treinamento; not available; Template
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/44/44137/tde-16072021-105728/

As técnicas Geoestatísticas implementadas na modelagem de fenômenos espaciais, inicialmente foram baseadas em funções de probabilidades construídas a partir da estatística de dois pontos. No entanto, durante o decorrer dos anos, diferentes limitações foram encontradas, principalmente na reprodução de estruturas e características geológicas complexas. Na procura de uma solução, diferentes pesquisadores usaram estatísticas de mais do que dois pontos, denominada de simulação de multipontos (MPS). MPS emprega o conceito de Imagem de Treinamento (TI), que é um modelo geológico conceitual, que representa a continuidade espacial. O objetivo deste trabalho é desenvolver um novo algoritmo de simulação baseado nas MPS. O programa proposto é denominado SIMDISPAT, construído com base em conceitos do algoritmo do SNESIM (Single Normal Equations Simulation) e em conceitos do algoritmo do SIMPAT (Simulation with Patterns). O algoritmo foi escrito na linguagem de programação R. O método SIMDISPAT (Simulations with Distance and Pattern) simula imagens com características geológicas complexas, seja em 2D ou 3D. Para verificar a eficiência do algoritmo, são utilizados quatro bancos de dados sintéticos descritos na literatura (três bidimensionais e um tridimensional). Além disso, quatro distâncias de similaridade são testadas, duas amplamente aplicadas nos MPS - a distância de Manhattan e a distância Euclidiana - as outras duas distancias são comuns em diferentes áreas das ciências - a distância de Lorentz e a distância de Cosseno. Para comparar os resultados obtidos pelo algoritmo, utilizou-se a análise de conectividade para verificar qual das distâncias reproduz melhor as características de cada uma das TI, além disso, foi utilizado um método visual denominado escalonamento multidimensional (MDS) para explorar a estrutura de dados de similaridade. O SIMDISPAT é capaz de efetivamente reproduzir efetivamente as diferentes características das TI, com as distâncias de Manhattan, Euclidiana e Lorentz, porém à distância Cosseno apresenta problemas ao reproduzir os padrões das TI. Destaca-se que a distância Lorentz, que não é utilizada no MPS, reproduz satisfatoriamente as diferentes características das TI.