Previsão de clima usando machine learning: um estudo de caso no Nordeste brasileiro
Autor(es):
Melo, Tiago Barbosa
Palavras Chaves:
Não informado
Ano de Publicação:
2019
Resumo:
A água é um recurso primordial para sobrevivência. Em determinadas localidades do mundo,
como no Nordeste brasileiro, ela é mais facilmente obtida a partir de reservatórios abastecidos
com água da chuva. Neste trabalho propomos a elaboração de um mecanismo para previsão da
intensidade de chuvas da quadra invernosa cearense, que abrange os meses de março, abril e maio
utilizando como dados unicamente a Temperatura de Superfície do Mar (TSM) e Pseudo-Tensão
do Vento (PTV). Por meio da aplicação de algoritmos de aprendizagem de máquina nos dados
oceanográficos, após estes sofrerem as devidas manipulações e segmentação de regiões do
oceano atlântico, foi criado um modelo de previsão que infere um elemento de um conjunto de
classes que representam o quantitativo de precipitação no estado do Ceará em sua quadra
chuvosa. Como dados de entrada foram utilizadas informações de TSM e PTV em diversas subregiões do Oceano Atlântico Tropical. Como saída se obtém um valor que classifica a quadra
chuvosa do estado do Ceará como sendo: fraca, normal e forte. Para cada região do oceano
atlântico cujo as regiões foram utilizadas, foi calculado a acurácia para cada algoritmo, foi
montada a matriz de confusão e construída curva ROC. A região que contém dados que
fornecem um maior valor de acurácia utilizou os algoritmos Máquina de Vetor de Suporte e
Classificador Gaussiano. Concluiu-se que a utilização do modelo proposto é eficaz para previsão
da intensidade de precipitação da quadra invernosa do estado do Ceará. Faz-se necessário um
refinamento no modelo para redução de falsos positivos ou falsos negativos e um ganho no valor
de acurácia.
Palavras-chave: Aprendizado de Máquina. Previsão de Clima. Problema de Classificação
Abstract:
Water is a prime resource for survival. In some localities of the world, as in the Brazilian
Northeast, it is more easily obtained with the use of rainwater reserves. It is proposed to
elaborate a mechanism to verify the rainfall intensity season of Ceará, which covers the months
of March, April and May. As a data source in a Sea Surface Temperature (SST) and Pseud-Wind
Stress(PWS). Through the application of machine learning algorithmsin the oceanographic data,
after properly preprocessing data and segmentations of the Atlantic Ocean, a prediction model
was created that infers an element of a set of classes that represent the quantitative state of Ceará
in its rainy season. As input data is used the SST and PWS were used in several sub regions of
the Tropical Atlantic Ocean. As an output data is given a value that classifies a rainy season of
the state of Ceará as being: weak, normal and strong. It was calculated with the accuracy of each
algorithm, confusion matrix and ROCcurve. The region that has a higher value of accuracy using
the Vector Support Machine and Gaussian Classifier algorithms. In order to determine the
intensity of the exercise action, the exercise intensity was determined by the wintry court of the
state of Ceará. A refinement is required in the model for reduction of false positives or negative
errors and a gain in the value of accuracy.
Keywords: Machine Learning. Rainfall Forecast. Classification Problem
Tipo do Trabalho:
Dissertação
Referência:
Melo, Tiago Barbosa. Previsão de clima usando machine learning: um estudo de caso no Nordeste brasileiro. 2019. 109 f. Dissertação (Mestrado Acadêmico ou Profissional em 2019) - Universidade Estadual do Ceará, , 2019. Disponível em: Acesso em: 8 de maio de 2024
Universidade Estadual do Ceará - UECE | Departamento de Tecnologia da Informação e Comunicação - DETIC
Política de Privacidade e Segurança Build 1
