QuestLab Plataforma Inteligente de Questões
Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Encontre as questões que procura
Limpar filtros
18 questões encontradas

Pesquisadores da área de sistema de assimilação de dados nas componentes do sistema terrestre resolveram utilizar um método de minimização variacional utilizando o algoritmo 3D-VAR para encontrar a solução de um problema de otimização. Sobre as propriedades numéricas do método utilizado, assinale a afirmativa correta.

A Persistência, eficiência e confiabilidade.
B Persistência, robustez e confiabilidade.
C Eficiência, robustez e independência.
D Eficiência, robustez e confiabilidade.
E Eficiência, persistência e independência.

Assimilação de dados profunda ( Deep Data Assimilation - DDA) é uma técnica recente que integra aprendizado profundo e assimilação. Utiliza-se uma rede neural recorrente para aprender o processo de assimilação, que por sua vez é treinada a partir dos estados de um sistema dinâmico e de seus resultados de assimilação correspondentes. Tais redes neurais recorrentes são implementadas com o uso de funções de ativação, que introduzem não linearidades às saídas dos neurônios das redes. Assinale a opção que menos se adequa às características esperadas para funções de ativação.

A Softmax.
B Sigmoid.
C Transformação Afim.
D Tangente Hiperbólico.
E Unidade Linear Retificada ( Rectified Linear Unit – ReLU).

Algoritmos para assimilação de dados podem ser implementados de maneira eficiente e otimizada por meio de paralelização de processos. O Parallel Data Assimilation Framework (PDAF) é um pacote de software que simplifica a implementação de métodos de assimilação, provendo versões totalmente paralelizadas de algoritmos, como por exemplo, diferentes versões dos Filtros de Kalman por conjunto (EnKF). Um dos requisitos de funcionamento do PDAF é o uso de um protocolo padronizado de comunicação para computação paralela. O principal padrão de comunicação entre os processos paralelos executados em um sistema de memória distribuída, é denominado

A Secure Shell (SSH).
B Message Passing Interface (MPI).
C Transmission Control Protocol (TCP).
D Representational State Transfer (REST).
E Lightweight Communications and Marshalling (LCM).

Aplicações de assimilação de dados em oceanografia produzem análises e previsões de diferentes variáveis que caracterizam o estado dos oceanos. O Escritório de Meteorologia do Reino Unido, mais conhecido como Met Office , utiliza um modelo oceanográfico global, chamado Forecasting Ocean Assimilation Model (FOAM), na implementação de um esquema de assimilação variacional tridimensional, conhecido como NEMOVAR. Entre as variáveis que fazem parte do vetor de estados utilizado no NEMOVAR, encontram-se

A salinidade ( S ) e pressão atmosférica ( P ).
B radiação solar ( R ) e altura da superfície do mar ( ? ).
C concentração de nitrogênio ( C N ) e posição lunar relativa ( x L , y L , z L ).
D acidez/alcalinidade ( pH ) e concentração de biodiversidade marinha ( C b ).
E velocidades horizontais das correntes oceânicas ( u , v ) e temperatura ( T ).

A área de assimilação de dados acoplados tem recebido atenção crescente de pesquisadores e tecnologistas interessados em previsão numérica de tempo. Nos esquemas de assimilação acoplados, dois ou mais modelos geofísicos são combinados, frequentemente utilizando também técnicas diferentes de assimilação. Com relação à área de assimilação de dados acoplados, analise as afirmativas a seguir.

I. Busca-se utilizar os modelos geofísicos simultaneamente, de forma a produzirem previsões/análises consistentes entre si.

II. Busca-se modelar e analisar as interações da atmosfera com os solos, com os oceanos e com as geleiras do planeta, melhorando assim as capacidades de previsão numérica.

III. Combinam-se os modelos geofísicos, de forma que os resultados de previsão de um modelo sirvam de condição de contorno para a solução do(s) outro(s) modelo(s) a ele combinado(s). Está correto o que se afirma em

A I, apenas.
B I e II, apenas.
C I e III, apenas.
D II e III, apenas.
E I, II e III.

Considere a lista de processos computacionais abaixo. 1. Integração do modelo não-linear para frente no tempo. 2. Integração do modelo não-linear para trás no tempo. 3. Integração do modelo adjunto para frente no tempo. 4. Integração do modelo adjunto para trás no tempo. 5. Integração do modelo tangente linear no loop interno. 6. Integração do modelo tangente linear no loop externo. Assinale a opção que apresenta os processos realizados em assimilação de dados 4DVAR incremental, com restrição forte, na sequência correta de execução.

A 3 – 2 – 6.
B 1 – 4 – 6.
C 2 – 3 – 5.
D 1 – 4 – 5.
E 3 – 2 – 5.

Uma empresa faz pesquisas na área ambiental. Sabe-se que o tempo entre secas (em anos) em determinada região no Brasil segue uma distribuição exponencial com parâmetro β. Considere uma amostra de tamanho 5 cujos elementos são 15, 18, 20, 22 e 25. Aplicando o método da máxima verossimilhança, o valor da estimativa de β é

A 0,01.
B 0,03.
C 0,05.
D 0,10.
E 0,12.

O treinamento de algoritmos de inteligência artificial no desenvolvimento de aplicações para assimilação de dados meteorológicos exige o uso de bases de dados representativas de estados atmosféricos. Embora bases de dados sintéticas sejam úteis para treinamento, o uso de bases de dados reais é sempre preferível. Assinale a opção que apresenta a base de dados real que descreve propriedades físicas de uma grande quantidade de situações atmosféricas, e que é utilizada para o treinamento de modelos de temperatura atmosférica.

A Climate Atmospheric Trends Dataset (CATD).
B Global Thermographic Profiles Logger (GTPL).
C Thermodynamic Initial Guess Retrieval (TIGR).
D Satellite Temperature Scans Dataset (SaTScan).
E Thermometric Atmosphere Research Dataset (ThermoARD).