Calibração de modelos ambientais a partir de meta-modelos baseados em classificadores
Resumo
O cuidado em se realizar uma boa calibração de modelos ambientais numéricos é fundamental na obtenção de sistemas que sejam confiáveis. Devido ao inerente problema de tempo gasto no processo, algoritmos genéticos (AGs) são usados na tentativa de acelerar a calibração. Tal heurística é considerada como sendo apropriada para se tratar o problema, porém, para alguns modelos, avaliar a função fitness significa executar o modelo milhares de vezes, o que pode ser infactível. Este trabalho descreve como AGs podem fazer uso de classificadores K-NN, MSVM entre outros na construção de meta-modelos evitando portanto o número total de avaliações do modelo. O uso de classificadores mostra que é possível reduzir significantemente tais execuções sem que a qualidade da solução seja perdida.Referências
Yang Liu, C. Zhou, W.J. Ye (2005) “A Fast Optimization Method of Using Nondominated Sorting Genetic Algorithm (NSGA-ll) and 1 -Nearest Neighbor (1 NN) Classifier for Numerical Model Calibration” IEEE.
Yang Liu, S.T. Khu (2007) “Automatic Calibration of Numerical Models Using Fast Optimization by Fitness Approximation” IEEE.
Ana Carolina Lorena, and André C. Ponce de Leon F. de Carvalho (2004) “An Hybrid GA/SVM Approach for Multiclass Classification with Directed Acyclic Graphs – SBIA 2004 pp. 366-375.
J. Bala, J. Huang and H. Vafaie (1995) “Hybrid Learning Using Genetic Algorithms and Decision Trees for Pattern Classification” IJCAI 1995.
Yang Liu, Wen-Jing Ye (2005) “Time Consuming Numerical Model Calibration Using Genetic Algorithm (GA), 1-Nearest Neighbor (1NN) Classifier and Principal Component Analysis (PCA)”. Proceedings of the 2005 IEEE.
Yaochu Jin (2005) “A Comprehensive Survey of Fitness Approximation in Evolutionary Computation” Soft Computing pp. 3-12.
H. Madsen, (2000) “Automatic Calibration of a Conceptual Rainfall-runoff Model Using Multiple Objectives” Journal of Hydrology pp. 276-288.
E. Fix e J. Hodges (1951) “Discriminatory Analysis: Nonparametric Discrimination: Consistency Properties”.
Yang Liu, S.T. Khu (2007) “Automatic Calibration of Numerical Models Using Fast Optimization by Fitness Approximation” IEEE.
Ana Carolina Lorena, and André C. Ponce de Leon F. de Carvalho (2004) “An Hybrid GA/SVM Approach for Multiclass Classification with Directed Acyclic Graphs – SBIA 2004 pp. 366-375.
J. Bala, J. Huang and H. Vafaie (1995) “Hybrid Learning Using Genetic Algorithms and Decision Trees for Pattern Classification” IJCAI 1995.
Yang Liu, Wen-Jing Ye (2005) “Time Consuming Numerical Model Calibration Using Genetic Algorithm (GA), 1-Nearest Neighbor (1NN) Classifier and Principal Component Analysis (PCA)”. Proceedings of the 2005 IEEE.
Yaochu Jin (2005) “A Comprehensive Survey of Fitness Approximation in Evolutionary Computation” Soft Computing pp. 3-12.
H. Madsen, (2000) “Automatic Calibration of a Conceptual Rainfall-runoff Model Using Multiple Objectives” Journal of Hydrology pp. 276-288.
E. Fix e J. Hodges (1951) “Discriminatory Analysis: Nonparametric Discrimination: Consistency Properties”.
Publicado
20/07/2009
Como Citar
OLIVEIRA, Flávio C.; SOARES-FILHO, Britaldo S.; FARIA, Sérgio D..
Calibração de modelos ambientais a partir de meta-modelos baseados em classificadores. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 1. , 2009, Bento Gonçalves/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2009
.
p. 1357-1362.
ISSN 2595-6124.
