Algoritmos de Machine Learning Aplicados na Ocorrência de Chuvas na Cidade de Santa Maria

Authors

DOI:

https://doi.org/10.5902/2179460X40537

Keywords:

Machine Learning. Algoritmos. Previsão de chuva.

Abstract

Técnicas de Machine Learning são amplamente utilizadas nas mais diversas áreas no que se refere à Inteligência Artificial. Por meio de tais técnicas é possível prever se vai chover ou não baseado em variáveis climáticas, tais como temperatura máxima e mínima por hora, pressão máxima e mínima por hora, velocidade do vento, direção do vento, velocidade da rajada de vento, radiação e precipitação. No presente trabalho foram testados 5 algoritmos de machine learning, em uma base de dados do Instituto Nacional de Meteorologia (INMET) contendo 8694 observações dos dados da estação automática localizada em Santa Maria-RS referentes ao período de 20 de setembro de 2018 a 20 de setembro de 2019. O objetivo é buscar um modelo que melhor realize predições de ocorrência de chuva para a hora seguinte à hora corrente de acordo com as variáveis do estudo. Como resultado, o modelo selecionado foi baseado no algoritmo denominado Árvores de Classificação e Regressão (CART) por possuir um melhor desempenho comparado aos demais algoritmos, além de fácil implementação, compreensão e baixo custo computacional.

Downloads

Download data is not yet available.

References

BENEDETTI JK. On the nonparametric estimation of regression functions. Journal of the Royal Statistical Society: Series B (Methodological). 1977; 39(2): 248-253.

BRATKO I. Prolog programming for artificial intelligence. Canadá: Pearson education ;2001.

CORTES C, VAPNIK V. Support-vector networks. Machine learning.1995; 20 (3), 273-297.

IZBICKI R, SANTOS T M. Machine Learning sob a ótica estatística: uma abordagem preditivista para a estatística com exemplos em R.2017.

PERROCA M G,GAIDZINSKI R R. Avaliando a confiabilidade interavaliadores de um instrumento para classificação de pacientes: coeficiente Kappa. Revista da Escola de Enfermagem da USP. 2003; 37(1), 72-80.

R CORE TEAM [Internet]. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. 2018. Disponível em: < https://www.R-project.org/>.

SIMON HA. Por que as máquinas aprendem?. In: Aprendizado de máquina. Morgan Kaufmann ;1983.

Downloads

Published

2020-12-29

How to Cite

Facco, M., Campos, M. A. de A. de, Vargas, D. dos S., Silveira, R. B., & Bisognin, C. (2020). Algoritmos de Machine Learning Aplicados na Ocorrência de Chuvas na Cidade de Santa Maria. Ciência E Natura, 42, e28. https://doi.org/10.5902/2179460X40537

Issue

Vol. 42 (2020): Edição especial de aniversário 10 ANOS - bacharelado e 30 - especialização em estatística

Section

30 anos estatística- Especialização

License

To access the DECLARATION AND TRANSFER OF COPYRIGHT AUTHOR’S DECLARATION AND COPYRIGHT LICENSE click here.

 

Ethical Guidelines for Journal Publication

The Ciência e Natura journal is committed to ensuring ethics in publication and quality of articles. 

Conformance to standards of ethical behavior is therefore expected of all parties involved: Authors, Editors, Reviewers, and the Publisher.

In particular, 

Authors: Authors should present an objective discussion of the significance of research work as well as sufficient detail and references to permit others to replicate the experiments. Fraudulent or knowingly inaccurate statements constitute unethical behavior and are unacceptable. Review Articles should also be objective, comprehensive, and accurate accounts of the state of the art. The Authors should ensure that their work is entirely original works, and if the work and/or words of others have been used, this has been appropriately acknowledged. Plagiarism in all its forms constitutes unethical publishing behavior and is unacceptable. Submitting the same manuscript to more than one journal concurrently constitutes unethical publishing behavior and is unacceptable. Authors should not submit articles describing essentially the same research to more than one journal. The corresponding Author should ensure that there is a full consensus of all Co-authors in approving the final version of the paper and its submission for publication.

Editors: Editors should evaluate manuscripts exclusively on the basis of their academic merit. An Editor must not use unpublished information in the editor's own research without the express written consent of the Author. Editors should take reasonable responsive measures when ethical complaints have been presented concerning a submitted manuscript or published paper.

Reviewers: Any manuscripts received for review must be treated as confidential documents. Privileged information or ideas obtained through peer review must be kept confidential and not used for personal advantage. Reviewers should be conducted objectively, and observations should be formulated clearly with supporting arguments, so that Authors can use them for improving the paper. Any selected Reviewer who feels unqualified to review the research reported in a manuscript or knows that its prompt review will be impossible should notify the Editor and excuse himself from the review process. Reviewers should not consider manuscripts in which they have conflicts of interest resulting from competitive, collaborative, or other relationships or connections with any of the authors, companies, or institutions connected to the papers.