Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/322146
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Utilização de ensembles de redes neurais MLP para previsão de explosões solares
Title Alternative: Use of MLP neural network ensembles to forecast solar flares
Author: Argento, René de Souza Vianello, 1989-
Advisor: Silva, Ana Estela Antunes da, 1965-
Abstract: Resumo: A atividade solar possui um grande impacto técnico, científico e financeiro em atividades como exploração espacial, aviação civil e comunicação. Um dos fenômenos que ocorrem durante o período de atividade solar são as explosões solares, liberações explosivas de energia que ocorrem nos arcos magnéticos da atmosfera solar. A previsão destas explosões solares permite um gerenciamento em longo prazo da produção agrícola, gerando impactos financeiros positivos. A previsão de explosões solares também auxilia a planejar rotas de aviação que evitem interferências em sistemas, pois ela permite realizar voos em períodos com uma menor atividade solar. Existem diferentes métodos para realizar a previsão de explosões solares e o erro de classificação destes métodos, ou seja, a classificação incorreta de uma saída como explosão ou não, varia. A proposta deste trabalho é utilizar duas ferramentas de aprendizagem de máquina: redes neurais e ensemble de redes neurais, para prever a ocorrência de fenômenos de explosões solares. O trabalho utiliza dados como número de manchas solares, área das manchas solares, classificação magnética das manchas solares e ocorrência (ou não) de uma explosão solar de classe M ou X em dias anteriores de cada registro para prever a ocorrência (ou não) de uma explosão solar de classe M ou X no dia seguinte. Neste trabalho, além da pesquisa bibliográfica, foi desenvolvida uma ferramenta que cria redes neurais e um ensemble de redes neurais e compara seus erros de classificação na previsão de explosões solares para verificar qual deles obteve o resultado com o menor erro de classificação. Foram também analisados diferentes atributos de entrada e métodos de treinamento para a rede neural e para o ensemble de redes neurais, buscando verificar quais deles estavam associados a um erro menor de classificação das explosões solares. As previsões realizadas tinham o objetivo de prever a ocorrência de explosões solares e a pertinência das explosões à classe M ou X. Concluiu-se que o ensemble de redes neurais pode realizar uma classificação mais eficiente do que uma rede neural, com um erro de classificação até 3,6% menor, desde que ele utilize uma configuração adequada

Abstract: The solar activity has a big technical, scientific and financial impact on activities like space exploration, civil aviation and communication. A phenomena that occur during the period of solar activity are solar flares, explosive liberations of energy that occur on the magnetic arches of the solar atmosphere. The forecast of these solar flares allows a long-term management of the agricultural production, generating positive financial impact. The forecast of solar flares also helps planning plane routes that avoid interferences on systems because it allows operating flights when there is less solar activity. There are different methods to forecast solar flares and the error of classification of such methods or, in other words, the incorrect classification of an output as a solar flare or not, varies. The proposal of this work is to use two machine learning tools: neural networks and ensemble of neural networks to forecast the occurrence of solar flare phenomena. This work uses data such as: number of solar spots, area of solar spots, magnetic classification of sunspots and the occurrence (or not) of a M-class or X-class solar flare in the previous days of every register to forecast the occurrence (or not) of a M-class or X-class solar flare in the next day. In this work, besides the bibliographic research, a tool was developed that creates neural networks and an ensemble of neural networks and compares their classification error on solar flare prediction to verify which of them has the result with the lowest classification error. Different input attributes were also analyzed as well as training methods for the neural network and for the ensemble of neural networks, with the intention of verifying which of them were related to a lower classification error of solar flares. The objective of the predictions was to predict the occurrence of solar flares and their M or X classification. It was verified that the ensemble of neural networks can make a more efficient forecast than the neural network, as long as it uses an adequate configuration
Subject: Erupções solares
Redes neurais (Computação)
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:FT - Tese e Dissertação

Files in This Item:
File SizeFormat 
Argento_RenedeSouzaVianello_M.pdf6.8 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.