Aplicação de análise de componentes principais na imputação de valores ausentes em dados agrometeorológicos em alta dimensão
Esta pesquisa aborda o tema Missing Value Imputation (MVI) com foco em agrometeorologia, na estimativa e imputação de dados de evapotranspiração de referência. O trabalho foi dividido em três capítulos, entendidos como revisão, metodologia e aplicação. O Capítulo 1 apresenta uma revisão bibliométric...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Estadual Paulista (UNESP) |
| Repositorio: | Repositório Institucional da UNESP |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.unesp.br:11449/250328 |
| Acceso en línea: | http://hdl.handle.net/11449/250328 |
| Access Level: | acceso abierto |
| Palabra clave: | Agrometeorologia Dados Meteorológicos evapotranspiração Imputação Simulação Agrometeorology Meteorological Data Evapotranspiration Imputation Simulation |
| Sumario: | Esta pesquisa aborda o tema Missing Value Imputation (MVI) com foco em agrometeorologia, na estimativa e imputação de dados de evapotranspiração de referência. O trabalho foi dividido em três capítulos, entendidos como revisão, metodologia e aplicação. O Capítulo 1 apresenta uma revisão bibliométrica abrangendo cerca de 19.745 publicações entre 1940 e 2022, destacando os principais pesquisadores, artigos, periódicos, instituições e países no assunto MVI. O Capítulo 2 apresenta uma proposta detalhada do planejamento de uma simulação em MVI, abordando o banco e tipo de dados, mecanismo e taxa de falta, técnica de imputação e método de avaliação de desempenho. Essas informações são preparatórias para a aplicação. O Capítulo 3 avalia o desempenho de procedimentos multivariados alternativos de análise de componentes principais na imputação de dados ausentes em base de dados de evapotranspiração. Foram utilizados dados do período de 2012 a 2021 de quarenta e cinco estações meteorológicas automáticas da região de São Paulo, Brasil, simulando diferentes cenários de dados faltantes. Esta pesquisa ressalta a importância da agrometeorologia, a necessidade de tratar dados ausentes por meio de técnicas de MVI e a eficácia de procedimentos alternativos de análise de componentes principais na imputação de valores faltantes. |
|---|