Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/39276
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2023_BrunoLuisMonteiroBezerra_tcc.pdf9,52 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorVon Huelsen, Mônica Giannoccaro-
dc.contributor.authorBezerra, Bruno Luís Monteiro-
dc.identifier.citationBEZERRA, Bruno Luís Monteiro. Banco de dados e aprendizagem de máquina para obter espessura crustal e razão Vp/Vs na América do Sul. 2023. 123 f., il. Trabalho de Conclusão de Curso (Bacharelado em Geofísica) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Geociências, 2023.pt_BR
dc.description.abstractEste estudo destaca a aplicação da técnica da Função do Receptor no domínio do tempo para a estimativa da espessura da crosta e da razãoV p/Vs utilizando estações sismográficas brasileiras complementando estações Sul Americanas, envolvendo a deconvolução das componentes horizontal e vertical dos registros de eventos telessísmicos de três componentes. Posteriormente, os resultados da Função do Receptor foram selecionados de acordo com critérios específicos, seguidos pela aplicação do método de empilhamento HK-Stacking para gerar diagramas relacionand oa espessura crustal e a razãoV p/Vs, fornecendo informações cruciais sobrea estrutura da crosta. Desenvolvemos um banco de dados, com novos dados de função do receptor para estações da rede do Observatório Sismológico e dados também utilizados por diversos autores de diversas regiões da América do Sul,e utilizamos técnicas de aprendizagem de máquina para a interpolação espacial de dados da estrutura crustal da área, visando a versatilidade na análise e visualização de dados geofísicos.O método de interpolação k-vizinhos ma(s próximos (KNN), foi aplicado para estimar valores em locais não amostrados, considerando os erros associados aos dados originais. Essa abordagem proporciona uma compreensão abrangente da estrutura crustal, contribuindo significativamente para a caracterização geofísica da América do Sul. Palavras-chaves: Machine Learning. Espessura da crosta. Função do Receptor. Resumo Este estudo destaca a aplicação da técnica da Função do Receptor no domínio do tempo para a estimativa da espessura da crosta e da razão 𝑉 𝑝/𝑉 𝑠 utilizando estações sismográficas brasileiras complementando estações Sul Americanas, envolvendo a deconvolução das componentes horizontal e vertical dos registros de eventos telessísmicos de três componentes. Posteriormente, os resultados da Função do Receptor foram selecionados de acordo com critérios específicos, seguidos pela aplicação do método de empilhamento HK-Stacking para gerar diagramas relacionando a espessura crustal e a razão 𝑉 𝑝/𝑉 𝑠, fornecendo informações cruciais sobre a estrutura da crosta. Desenvolvemos um banco de dados, com novos dados de função do receptor para estações da rede do Observatório Sismológico e dados também utilizados por diversos autores de diversas regiões da América do Sul, e utilizamos técnicas de aprendizagem de máquina para a interpolação espacial de dados da estrutura crustal da área, visando a versatilidade na análise e visualização de dados geofísicos. O método de interpolação k-vizinhos mais próximos (KNN), foi aplicado para estimar valores em locais não amostrados, considerando os erros associados aos dados originais. Essa abordagem proporciona uma compreensão abrangente da estrutura crustal, contribuindo significativamente para a caracterização geofísica da América do Sul.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordAprendizagem de máquinapt_BR
dc.subject.keywordGeofísicapt_BR
dc.subject.keywordAmérica do Sulpt_BR
dc.titleBanco de dados e aprendizagem de máquina para obter espessura crustal e razão Vp/Vs na América do Sulpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2024-07-19T20:59:03Z-
dc.date.available2024-07-19T20:59:03Z-
dc.date.submitted2023-12-14-
dc.identifier.urihttps://bdm.unb.br/handle/10483/39276-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.contributor.advisorcoFrança, George Sand Leão Araújo de-
dc.description.abstract1This study highlights the application of the Receiver Function technique in the time domain for estimating crustal thickness and the 𝑉 𝑝/𝑉 𝑠 ratio using Brazilian seismographic stations, complementing those in South America. It involves the deconvolution of horizontal and vertical components from three-component teleseismic event records. Subsequently, the results of the Receiver Function were selected based on specific criteria, followed by the application of the HK-Stacking stacking method to generate diagrams relating crustal thickness and 𝑉 𝑝/𝑉 𝑠 ratio. This provides crucial insights into crustal structure. We developed a database, incorporating new Receiver Function data from the Observatory Seismological network stations and data used by various authors across different regions of South America. Machine learning techniques were employed for spatial interpolation of crustal structure data in the area, aiming for versatility in the analysis and visualization of geophysical data. The k-Nearest Neighbors (KNN) interpolation method was applied to estimate values at unsampled locations, considering errors associated with the original data. This approach offers a comprehensive understanding of crustal structure, significantly contributing to the geophysical characterization of South America.pt_BR
Aparece na Coleção:Geofísica



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.