Estimativa do índice de evapotranspiração com base em técnicas de aprendizado de máquina
| Nível educacional (dc.audience.educationLevel) | Graduação | pt_BR |
| Orientador(a) (dc.contributor.advisor) | Ramos, Gabriel de Oliveira | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/9281736089055094 | pt_BR |
| Autor(a) (dc.contributor.author) | Kuhn, Fabiane | |
| Curso (dc.curso) | Ciência da Computação | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2022-11-21T17:25:41Z | |
| dc.date.available (dc.date.available) | 2022-11-21T17:25:41Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2021-12-07 | |
| Abstract (dc.description.abstract) | In line with climate change and water crises, the population growth has drawn atten tion to agriculture. The sector is responsible for the use of 70% of the world’s water and a waste of approximately 50% of this total in irrigation processes. Several technological methods are being developed to minimize this impact and collaborate with the UN Sustainable Development Goals, within them, sustainable agriculture. Aiming at optimizing the use of water resources, it is necessary to analyze evapotranspiration, as it is the most active variable in the hydrological cycle and the main component in the water balance of agricultural ecosystems. Based on the hypothesis that Machine Learning analysis can be applied to determine evapotranspiration and aid in decision making in irrigation, allowing assertive estimates and without dependence on a wide variety of data, this article presents the application of Decision Tree Regressor techniques. , Random Forest, Artificial Neural Network and XGBoost for that purpose. Using a dataset from the National Institute of Meteorology (INMET), the models were trained based on widely validated equations for Evapotranspiration calculations. After the testing routine, it was possi ble to obtain satisfactory results, with MAE less than 0.0015, demonstrating the effectiveness of computational techniques for estimating evapotranspiration. | en |
| Resumo (dc.description.resumo) | O crescimento populacional, alinhado às mudanças climáticas e às crises hídricas, tem despertado a atenção para a agropecuária. O setor é responsável pelo uso de 70% da água mundial e de um desperdício de, aproximadamente, 50% desse total em processos de irrigação. Diversos métodos tecnológicos estão sendo desenvolvidos para minimizar esse impacto e cola borar com os Objetivos de Desenvolvimento Sustentável da ONU, dentro deles, a agricultura sustentável. Visando a otimização do uso de recursos hídricos, torna-se necessária a análise de evapotranspiração, visto que é a variável mais ativa do ciclo hidrológico e a principal compo nente no balanço hídrico dos ecossistemas agrícolas. Partindo da hipótese de que análises com aprendizado de máquina podem ser aplicadas para determinação de evapotranspiração e auxí lio na tomada de decisão na irrigação, permitindo estimativas assertivas e sem dependência de uma grande variedade de dados, este artigo apresenta a aplicação das técnicas de Decision Tree Regressor, Random Forest, Artificial Neural Network e XGBoost para esse fim. Através de um dataset do Instituto Nacional de Meteorologia (INMET), os modelos foram treinados com base em equações amplamente validadas para cálculos de evapotranspiração. Após a rotina de testes, foi possível obter resultados satisfatórios, com MAE inferior a 0,0015, demonstrando a efetividade das técnicas computacionais para a estimativa de evapotranspiração. | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/11968 | |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| Assunto (dc.subject) | Evapotranspiração | pt_BR |
| Assunto (dc.subject) | Irrigação | pt_BR |
| Assunto (dc.subject) | Aprendizado de máquina | pt_BR |
| Assunto (dc.subject) | Agricultura | pt_BR |
| Assunto (dc.subject) | Evapotranspiration | en |
| Assunto (dc.subject) | Machine learning | en |
| Assunto (dc.subject) | Irrigation | en |
| Assunto (dc.subject) | Agriculture | en |
| Título (dc.title) | Estimativa do índice de evapotranspiração com base em técnicas de aprendizado de máquina | pt_BR |
| Tipo de arquivo (dc.type) | TCC | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Fabiane Kuhn.pdf
- Tamanho:
- 1.84 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- estimativa_indice
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: