Uso de Aprendizagem de Máquina em Dados Agrometeorológicos
Abstract
This article presents an evolution of a tool to support the analysis of agrometeorological data. This tool helps researchers and family farmers in their work. The evolution refers to the development of a predictor module of data that is captured by the station, which minimizes a problem of lack of data. This module predicts data not yet collected from data already collected. For this, a machine learning technique is used. A new architecture and an analysis of the results obtained are presented.
Keywords:
Aprendizagem de Máquina, Engenharia de Software, Inteligência Artificial
References
das Neves, S. A. (2018). Técnicas de aprendizado de máquina aplicadas a classificação da qualidade de pavimentos asfálticos utilizando smartphones. Monografia (Bacharel em Engenharia da Computação), UFOP (Universidade Federal de Ouro Preto), Minas Gerais, Brazil.
dos Santos Soares, M. (2009). Metodologias Ágeis extreme programming e scrum para o desenvolvimento de software.
Dousseau, P. (2009). Estação agrometeorológica. https://sigmasensors.com.br/estacao-agrometeorologica. Último acesso em 02/03/2020.
DSA, E. (2018). 17 casos de uso de machine learning.https:datascienceacademy.com.br/blog/17-casos-de-uso-de-machine-learning/. Último acesso em 02/03/2020.
FAPESP, A. (2014). Ferramenta permite análise integrada de dados sobre clima, ambiente e saúde. http://agencia.fapesp.br/ferramenta-permite-analise-integrada-de-dados-sobre-clima-ambiente-e-19116/. Último acesso em 02/03/2020.
Flutter (2017). Beautiful native apps in record time. https://flutter.dev/. Último acesso em 02/03/2020.
Fonseca, V. M. (2011). Detecção de outliers em dados amostrais de uma pesquisa econômica.
Matheus, S. (2011). Ferramenta para visualização de dados meteorológicos. page 50.
Salvador, M. (2017). Nota de pesquisa: Climap – aplicativo para análise de dados climaticos-versão 3.0. Revista Brasileira de Climatologia, 20:349.
Sartóris, A. (2013). Estatística e Introdução à Econometria. Saraiva, São Paulo, second edition.
Scher, S. (2018). Toward data-driven weather and climate forecasting: Approximating a simple general circulation model with deep learning. Geophysical Research Letters, 45(12):616–12.
Scikit (2019). scikit-learn machine learning in python. https://scikit-learn.org/stable/. Último acesso em 02/03/2020.
Seplag/AL (2015). http://dados.al.gov.br/dataset/nucleo-de-estudos-e-projetos-daseplag/resource/bc6e26ad-d1ad-410e-baf7-9da145bffa55. Último acesso em 02/03/2020.
Seplag/AL (2017). Semiárido alagoano alagoas em dados e informações. http://dados.al.gov.br/dataset/semiarido-alagoano. Último acesso em 02/03/2020.
Silva, A. J. S., Júnior, A. S. d. A., and Marin, F. R. (2008). Um sistema web para a consulta de dados meteorológicos como ferramenta de apoio ao manejo de irrigação no estado do piauí. Rev. Tecnol. Fortaleza. https://www.embrapa.br/informatica-agropecuaria/busca-de-publicacoes/-/publicacao/8639/um-sistema-web-para-a-consulta-de-dados-meteorologicos-como-ferramenta-Último acesso em 02/03/2020.
Spring (2020). Spring framework. https://spring.io/projects/spring-framework. Último acesso em 02/03/2020.
thymeleaf (2018). Thymeleaf. https://www.thymeleaf.org/. Último acesso em 03/08/2020.
Veras, E. C. e. A. M. V. B. (2011). Capital x trabalho no campo: questao agraria, agricultura familiar e trabalho no setor sucroenergetico. EdUFAL.
Y. Radhika, M. S. (2009). Atmospheric temperature prediction using support vector machines. International Journal of Computer Theory and Engineering, 1(1).
dos Santos Soares, M. (2009). Metodologias Ágeis extreme programming e scrum para o desenvolvimento de software.
Dousseau, P. (2009). Estação agrometeorológica. https://sigmasensors.com.br/estacao-agrometeorologica. Último acesso em 02/03/2020.
DSA, E. (2018). 17 casos de uso de machine learning.https:datascienceacademy.com.br/blog/17-casos-de-uso-de-machine-learning/. Último acesso em 02/03/2020.
FAPESP, A. (2014). Ferramenta permite análise integrada de dados sobre clima, ambiente e saúde. http://agencia.fapesp.br/ferramenta-permite-analise-integrada-de-dados-sobre-clima-ambiente-e-19116/. Último acesso em 02/03/2020.
Flutter (2017). Beautiful native apps in record time. https://flutter.dev/. Último acesso em 02/03/2020.
Fonseca, V. M. (2011). Detecção de outliers em dados amostrais de uma pesquisa econômica.
Matheus, S. (2011). Ferramenta para visualização de dados meteorológicos. page 50.
Salvador, M. (2017). Nota de pesquisa: Climap – aplicativo para análise de dados climaticos-versão 3.0. Revista Brasileira de Climatologia, 20:349.
Sartóris, A. (2013). Estatística e Introdução à Econometria. Saraiva, São Paulo, second edition.
Scher, S. (2018). Toward data-driven weather and climate forecasting: Approximating a simple general circulation model with deep learning. Geophysical Research Letters, 45(12):616–12.
Scikit (2019). scikit-learn machine learning in python. https://scikit-learn.org/stable/. Último acesso em 02/03/2020.
Seplag/AL (2015). http://dados.al.gov.br/dataset/nucleo-de-estudos-e-projetos-daseplag/resource/bc6e26ad-d1ad-410e-baf7-9da145bffa55. Último acesso em 02/03/2020.
Seplag/AL (2017). Semiárido alagoano alagoas em dados e informações. http://dados.al.gov.br/dataset/semiarido-alagoano. Último acesso em 02/03/2020.
Silva, A. J. S., Júnior, A. S. d. A., and Marin, F. R. (2008). Um sistema web para a consulta de dados meteorológicos como ferramenta de apoio ao manejo de irrigação no estado do piauí. Rev. Tecnol. Fortaleza. https://www.embrapa.br/informatica-agropecuaria/busca-de-publicacoes/-/publicacao/8639/um-sistema-web-para-a-consulta-de-dados-meteorologicos-como-ferramenta-Último acesso em 02/03/2020.
Spring (2020). Spring framework. https://spring.io/projects/spring-framework. Último acesso em 02/03/2020.
thymeleaf (2018). Thymeleaf. https://www.thymeleaf.org/. Último acesso em 03/08/2020.
Veras, E. C. e. A. M. V. B. (2011). Capital x trabalho no campo: questao agraria, agricultura familiar e trabalho no setor sucroenergetico. EdUFAL.
Y. Radhika, M. S. (2009). Atmospheric temperature prediction using support vector machines. International Journal of Computer Theory and Engineering, 1(1).
Published
2020-10-26
How to Cite
FARIAS, Jorge; OLIVEIRA, Elthon; CAVALCANTE, Rodolfo.
Uso de Aprendizagem de Máquina em Dados Agrometeorológicos. In: REGIONAL SCHOOL ON COMPUTING OF BAHIA, ALAGOAS, AND SERGIPE (ERBASE), 20. , 2020, Arapiraca-AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 11-20.
