Serviço Web para Imputação de Dados em Séries Temporais Univariadas

• Jeremias Lima Abreu UFPA
• Douglas Almeida Vidal UFPA
• Glauco Estacio Gonçalves UFPA

DOI: https://doi.org/10.5753/wcama.2024.2928

Resumo

Um problema comum na coleta de dados ambientais são as lacunas, as quais podem ser mitigadas pela imputação de dados. Embora haja bibliotecas computacionais para imputação, estas exigem o aprendizado de novas tecnologias e programação. Para suprir esta necessidade, este trabalho apresenta um serviço web para imputação de dados em séries temporais, o qual permite que uma aplicação cliente solicite imputações em dados com lacunas. Além da descrição da arquitetura deste serviço, este artigo mostra resultados de uma rigorosa avaliação de desempenho do serviço em termos de tempo e qualidade da imputação, de modo a fornecer uma visão global do compromisso entre o tempo de execução e a precisão de cada algoritmo.

Referências

Addi, M., Gyasi-Agyei, Y., Obuobie, E., and Amekudzi, L. K. (2022). Evaluation of imputation techniques for infilling missing daily rainfall records on river basins in ghana. Hydrological Sciences Journal, 67(4):613–627.

Bezerra, D., Junior, J., Gonçalves, G., and Medeiros, V. (2019). Avaliação de disponibilidade de estações de medição meteorológica. In Anais do X Workshop de Computação Aplicada a Gestão do Meio Ambiente e Recursos Naturais, pages 1–10, Porto Alegre, RS, Brasil. SBC.

Chauhan, A. (2019). A review on various aspects of mongodb databases. International Journal of Engineering Research & Technology (IJERT), 8(5).

Daigneau, R. (2011). Service Design Patterns: fundamental design solutions for SOAP/WSDL and restful Web Services. Addison-Wesley.

Dhevi, A. S. (2014). Imputing missing values using inverse distance weighted interpolation for time series data. In 2014 Sixth international conference on advanced computing (ICoAC), pages 255–259. IEEE.

Flores, A., Tito, H., and Silva, C. (2019). Local average of nearest neighbors: Univariate time series imputation. International Journal of Advanced Computer Science and Applications, 10(8).

Huang, Z.-Q., Chen, Y.-C., and Wen, C.-Y. (2020). Real-time weather monitoring and prediction using city buses and machine learning. Sensors, 20(18):5173.

Idris, N., Foozy, C. F. M., and Shamala, P. (2020). A generic review of web technology: Django and flask. International Journal of Advanced Science Computing and Engineering, 2(1):34–40.

Kadiyala, A. and Kumar, A. (2017). Applications of python to evaluate environmental data science problems. Environmental Progress & Sustainable Energy, 36(6):1580–1586.

Larrucea, X., Santamaria, I., Colomo-Palacios, R., and Ebert, C. (2018). Microservices. IEEE Software, 35(3):96–100.

Moritz, S. and Bartz-Beielstein, T. (2017). imputets: time series missing value imputation in r. R Journal, 9(1):207.