Uso de Aprendizagem de Máquina em Dados Agrometeorológicos

• Jorge Farias UFAL
• Elthon Oliveira UFAL
• Rodolfo Cavalcante UFAL

Resumo

Este artigo apresenta uma evolução de uma ferramenta de apoio à análise de dados agrometeorológicos. Esta ferramenta auxilia pesquisadores e agricultores familiares em seus trabalhos. A evolução se refere ao desenvolvimento de um módulo previsor de dados que são captados por uma estação agrometeorológica, que minimiza um problema de falta de dados. Este módulo prediz dados ainda não coletados a partir de dados já coletados. Para isso, é utilizada uma técnica de aprendizagem de máquina. Uma nova arquitetura e uma análise dos resultados obtidos são apresentados.

Palavras-chave: Aprendizagem de Máquina, Engenharia de Software, Inteligência Artificial

Referências

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).