Para citar este trabalho use um dos padrões abaixo:
Este estudo apresenta os resultados da aplicação de técnicas
de aprendizado de máquina para a previsão de descargas
atmosféricas em áreas de mineração. Foram utilizados dados
de radar meteorológico combinados com dados históricos de
ocorrência de descargas. As variáveis de radar meteorológico
analisadas foram agrupadas por altitude, de acordo com as
camadas de temperatura: quente, mista 1, mista 2 e fria.
Os resultados mostraram-se promissores. O melhor modelo
alcançou uma taxa de acerto de 89% em relação a todas
as ocorrências de descargas e 68% nas descargas previstas,
indicando que essas variáveis podem ser incorporadas de
forma eficiente em sistemas de detecção de raios. Além
disso, a utilização dessas variáveis agrupadas por camadas
de temperatura pode contribuir significativamente para a
redução de falhas na detecção de descargas e diminuir os
falsos alertas, melhorando a precisão e a confiabilidade dos
sistemas de previsão de descargas atmosféricas.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo