Avaliação de diferentes medidas de similaridade no SIMDISPAT - Novo Algoritmo de Simulação de Múltiplos Pontos (2021)
- Authors:
- Autor USP: RODRIGUEZ, KARLA XIMENA MORALES - IGC
- Unidade: IGC
- Sigla do Departamento: GSA
- Subjects: GEOESTATÍSTICA; ALGORITMOS; BANCO DE DADOS
- Keywords: Banco de dados de padrões; Estatística de múltiplos pontos (MPS); Função de conectividade; Imagem de treinamento; Template
- Agências de fomento:
- Language: Português
- Abstract: 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 - adistância 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
- Imprenta:
- Data da defesa: 28.05.2021
-
ABNT
MORALES RODRIGUEZ, Karla Ximena. Avaliação de diferentes medidas de similaridade no SIMDISPAT - Novo Algoritmo de Simulação de Múltiplos Pontos. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/44/44137/tde-16072021-105728/. Acesso em: 19 abr. 2024. -
APA
Morales Rodriguez, K. X. (2021). Avaliação de diferentes medidas de similaridade no SIMDISPAT - Novo Algoritmo de Simulação de Múltiplos Pontos (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/44/44137/tde-16072021-105728/ -
NLM
Morales Rodriguez KX. Avaliação de diferentes medidas de similaridade no SIMDISPAT - Novo Algoritmo de Simulação de Múltiplos Pontos [Internet]. 2021 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/44/44137/tde-16072021-105728/ -
Vancouver
Morales Rodriguez KX. Avaliação de diferentes medidas de similaridade no SIMDISPAT - Novo Algoritmo de Simulação de Múltiplos Pontos [Internet]. 2021 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/44/44137/tde-16072021-105728/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas