• Os dados em situ estão disponiveis aqui
• Os dados de satélite estão disponiveis aqui

A data de seleção foi de 2003 a 2020

Os tipos de coletas foram Argos, Tsg e Bottles

1. Preparando os dados do tipo argo

1. Lendo os dados
2. Organizando os dados

2. Lendo os dados do tipo Bottle e tsg

1. Lendo os dados

3. Organizando os dados

1. Organizando os dados do tipo Bottle
2. Organizando os dados do tipo tsg

4. Separando os dados em situ em arquivos Ano-Mes

1. Codigo

5. Transformação dos dados (Nesse processo vou deixar o dataset pronto para poder extrair imagens de satélite)

1. Codigo

6. Extração dos dados de satélite

1. Codigo

7. Junção dos dados de satélite em df anuais

1. Codigo

8. Criação da base de batimetria

1. Codigo

9. Junção e criação do dataset final, é dele que vai ser tirado os dados de validação e treinamento

1. Codigo

10. Divisão do dataset em dados de treinamento e dados de teste

1. Codigo
2. Dataset de teste
3. Dataset de treino

11. Tunning de parametros de rede densa

1. O tunning de parametros foi realizado com a seguinte distribuição
2. 
3. O resultado para o tunning foi a rede densa de 2 camadas com 30 neuronios em cada camada, taxa de aprendizagem de 0.001 com otimizador Adan e 39 epocas para um micro batch de 120
4. Codigo

12. Tunning de parametros de redes LSTM E GRU

1. O tunning de parametros foi realizado com a seguinte distribuição

2. 

3. Resultados:

   LSTM: rede com 30 neuronios, taxa de aprendizagem de 0.007 e 85 epocas

   GRU: rede com 85 neuronios, taxa de aprendizagem de 0.001 e 99 epocas

4. Codigo - LSTM

5. Codigo - GRU

13. Tunning de parametros de redes Bi-LSTM E Bi-GRU

1. O tunning de parametros foi realizado com a seguinte distribuição

2. 

3. Resultados:

   Bi-LSTM: rede com 60 neuronios, taxa de aprendizagem de 0.005 e 98 epocas

   Bi-GRU: rede com 75 neuronios, taxa de aprendizagem de 0.001 e 100 epocas

4. Codigo - Bi-LSTM

5. Codigo - Bi-GRU

14. Resultado final para cada rede testada

1. 
2. Codigo