EVENTO
Similaridade entre séries temporais multivariadas no cenário de streaming em eventos meteorológicos extremos
Tipo de evento: Exame de Qualificação
O avanço das tecnologias de monitoramento e o uso extensivo de sensores em áreas como a meteorologia têm gerado, continuamente, grandes volumes de dados em tempo real, também conhecidos como dados em streaming. Esses dados, organizados como séries temporais multivariadas, representam o comportamento de diversas variáveis ao longo do tempo e trazem novos desafios para a análise e detecção de padrões relevantes. No contexto meteorológico, essa análise é fundamental para antecipar eventos extremos, emitir alertas e apoiar decisões rápidas e assertivas. No entanto, os métodos tradicionais de busca por similaridade, como aqueles baseados em distância, não são adequados para lidar com a natureza dinâmica dos dados em tempo real.Este trabalho propõe uma abordagem baseada em técnicas de deep learning para realizar a busca eficiente por similaridade entre janelas de séries temporais observadas em tempo real e dados históricos previamente armazenados. A proposta utiliza Representation Learning para transformar sequências multivariadas em embeddings, permitindo sua indexação e recuperação eficiente por meio de bancos de dados vetoriais. Técnicas de indexação vetorial são aplicadas para acelerar a consulta e encontrar os top-k sequências mais similares, viabilizando aplicações em tempo real. Este trabalho busca contribuir com soluções escaláveis e eficazes para o monitoramento climático inteligente, com potencial aplicação em sistemas de alerta e mitigação de desastres naturais.Evento HíbridoLocal: Auditório BLink de transmissão: meet.google.com/tnc-mhsq-gmn
Data Início: 28/08/2025 Hora: 10:00 Data Fim: 28/08/2025 Hora: 12:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio B
Aluno: Stiw Harrison Herrera Taipe - - LNCC
Orientador: Fabio Andre Machado Porto - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Antônio Tadeu Azevedo Gomes - Laboratório Nacional de Computação Científica - LNCC Eduardo Soares Ogasawara - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca - CEFET-RJ Pablo Javier Blanco - Laboratório Nacional de Computação Científica - LNCC
Suplente Banca Examinadora: Renato Portugal - Laboratório Nacional de Computação Científica - LNCC
