Melhorar a sustentabilidade da irrigação usando machine learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10071/23850 |
Resumo: | Hoje em dia é de grande importância pouparmos os poucos recursos que ainda existem no planeta Terra, sendo que a água tem um papel fundamental na nossa sobrevivência. Com o desenvolvimento de novas tecnologias, podemos usar a mesmas a nosso favor de forma a contrariar o consumo e o desperdício da água. Recorrendo à internet of things, inteligência artificial e machine learning podemos desenvolver sistemas inovadores e completos que visam efetuar, por um lado, uma poupança do consumo de água e, por outro a adequar a irrigação certa em tempo real e de forma adaptada às necessidades, no sector da agricultura. Esta dissertação apresenta uma proposta de solução para o desenvolvimento de um sistema recorrendo a mecanismos de machine learning, capaz de fazer a previsão de dados meteorológicos futuros e, através da análise dos mesmos de indicar se há necessidade de rega, indicando a hora e a duração da rega. Ao longo do sistema foram testados vários algoritmos de machine learning, sendo que o que apresentou melhores resultados foi o algoritmo floresta aleatória. Com o recurso a este algoritmo foi possível gerar uma redução do tempo de rega na ordem dos 72%. Através deste trabalho foi possível mostrar que a utilização de um sistema que é suportado em machine learning permite reduzir a quantidade de água desperdiçada, quando comparado com sistemas sem a utilização de inteligencia artificial. |
id |
RCAP_84551f930f4a751e45719534ed308daf |
---|---|
oai_identifier_str |
oai:repositorio.iscte-iul.pt:10071/23850 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Melhorar a sustentabilidade da irrigação usando machine learningMachine learningAgricultura sustentável -- Sustainable agriculturePrevisãoAnálise de dados -- Data analysisForecastHoje em dia é de grande importância pouparmos os poucos recursos que ainda existem no planeta Terra, sendo que a água tem um papel fundamental na nossa sobrevivência. Com o desenvolvimento de novas tecnologias, podemos usar a mesmas a nosso favor de forma a contrariar o consumo e o desperdício da água. Recorrendo à internet of things, inteligência artificial e machine learning podemos desenvolver sistemas inovadores e completos que visam efetuar, por um lado, uma poupança do consumo de água e, por outro a adequar a irrigação certa em tempo real e de forma adaptada às necessidades, no sector da agricultura. Esta dissertação apresenta uma proposta de solução para o desenvolvimento de um sistema recorrendo a mecanismos de machine learning, capaz de fazer a previsão de dados meteorológicos futuros e, através da análise dos mesmos de indicar se há necessidade de rega, indicando a hora e a duração da rega. Ao longo do sistema foram testados vários algoritmos de machine learning, sendo que o que apresentou melhores resultados foi o algoritmo floresta aleatória. Com o recurso a este algoritmo foi possível gerar uma redução do tempo de rega na ordem dos 72%. Através deste trabalho foi possível mostrar que a utilização de um sistema que é suportado em machine learning permite reduzir a quantidade de água desperdiçada, quando comparado com sistemas sem a utilização de inteligencia artificial.Nowadays, it is very important that we save the few resources that still exist on planet Earth, and water has a fundamental role in our survival. With the development of new technologies, we can use them to our advantage to counteract the consumption and waste of water. Using the internet of things, artificial intelligence and machine learning we can develop innovative and complete systems that aim to carry out, on the one hand, a saving of water consumption and, on the other hand, to adapt the right irrigation in real time and in a way adapted to the needs, in the agriculture sector. This dissertation presents a proposal for a solution and development for a system using machine learning mechanisms, capable of forecasting future meteorological data and, through their analysis, indicate whether there is a need for irrigation, indicating the time and duration of the irrigation. Throughout the system, several machine learning algorithms were tested, and the one with the best results was the random forest algorithm. With the use of this algorithm it was possible to generate a reduction of the watering time in the order of 72%. Through this work it was possible to show that the use of a system that is supported in machine learning we can reduce the amount of wasted water compared to a conventional method without the use of any intelligence mechanism.2021-12-30T11:27:27Z2021-12-15T00:00:00Z2021-12-152021-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10071/23850TID:202816338porRaimundo, Francisco José dos Santos Negrierinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-09T17:57:16Zoai:repositorio.iscte-iul.pt:10071/23850Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:29:31.442788Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Melhorar a sustentabilidade da irrigação usando machine learning |
title |
Melhorar a sustentabilidade da irrigação usando machine learning |
spellingShingle |
Melhorar a sustentabilidade da irrigação usando machine learning Raimundo, Francisco José dos Santos Negrier Machine learning Agricultura sustentável -- Sustainable agriculture Previsão Análise de dados -- Data analysis Forecast |
title_short |
Melhorar a sustentabilidade da irrigação usando machine learning |
title_full |
Melhorar a sustentabilidade da irrigação usando machine learning |
title_fullStr |
Melhorar a sustentabilidade da irrigação usando machine learning |
title_full_unstemmed |
Melhorar a sustentabilidade da irrigação usando machine learning |
title_sort |
Melhorar a sustentabilidade da irrigação usando machine learning |
author |
Raimundo, Francisco José dos Santos Negrier |
author_facet |
Raimundo, Francisco José dos Santos Negrier |
author_role |
author |
dc.contributor.author.fl_str_mv |
Raimundo, Francisco José dos Santos Negrier |
dc.subject.por.fl_str_mv |
Machine learning Agricultura sustentável -- Sustainable agriculture Previsão Análise de dados -- Data analysis Forecast |
topic |
Machine learning Agricultura sustentável -- Sustainable agriculture Previsão Análise de dados -- Data analysis Forecast |
description |
Hoje em dia é de grande importância pouparmos os poucos recursos que ainda existem no planeta Terra, sendo que a água tem um papel fundamental na nossa sobrevivência. Com o desenvolvimento de novas tecnologias, podemos usar a mesmas a nosso favor de forma a contrariar o consumo e o desperdício da água. Recorrendo à internet of things, inteligência artificial e machine learning podemos desenvolver sistemas inovadores e completos que visam efetuar, por um lado, uma poupança do consumo de água e, por outro a adequar a irrigação certa em tempo real e de forma adaptada às necessidades, no sector da agricultura. Esta dissertação apresenta uma proposta de solução para o desenvolvimento de um sistema recorrendo a mecanismos de machine learning, capaz de fazer a previsão de dados meteorológicos futuros e, através da análise dos mesmos de indicar se há necessidade de rega, indicando a hora e a duração da rega. Ao longo do sistema foram testados vários algoritmos de machine learning, sendo que o que apresentou melhores resultados foi o algoritmo floresta aleatória. Com o recurso a este algoritmo foi possível gerar uma redução do tempo de rega na ordem dos 72%. Através deste trabalho foi possível mostrar que a utilização de um sistema que é suportado em machine learning permite reduzir a quantidade de água desperdiçada, quando comparado com sistemas sem a utilização de inteligencia artificial. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-30T11:27:27Z 2021-12-15T00:00:00Z 2021-12-15 2021-10 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10071/23850 TID:202816338 |
url |
http://hdl.handle.net/10071/23850 |
identifier_str_mv |
TID:202816338 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799134857571336192 |