Uma avaliação de desempenho de algoritmos de aprendizado de máquina para previsão de chuvas

• Autor(a) principal: Lazaro, Rafael de Araujo
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/25957
• topic: Classificador; Classificação de chuvas; Aprendizado de máquina; Aprendizado de máquina; Chuva; Sistema de telecomunicação; Machine learning; Classifier; Rainfall classifier

A ocorrência de chuvas intensas é frequente em municı́pios do estado do Rio de Janeiro. Como consequência, é comum ocorrerem problemas como deslizamentos de terra e alagamentos que podem surpreender a população de uma determinada região. Além de provocar problemas sociais, os alagamentos trazem problemas aos sistemas de telecomunicações, podendo deixar regiões sem conectividade. Isso ocorre porque os sites onde estão os equipamentos podem ter o acesso bloqueado devido ao elevado nı́vel de água nos arredores e podem ficar sem energia, desligando os equipamentos. Assim, é importante informar com antecedência sobre problemas resultantes de chuva intensa. Dessa forma, entidades governamentais e empresas de telecomunicações podem tomar ações para mitigar os efeitos da chuva intensa. Este trabalho tem como objetivo construir um classificador de chuvas com base em dados climáticos como velocidade do vento, umidade e temperatura. A construção dos modelos de classificação é feita a partir do treinamento de algoritmos de aprendizado de máquina. Utiliza-se um conjunto de dados publicamente disponı́vel para treinar o classificador. Avalia-se o desempenho dos algoritmos Árvore de Decisão, k-Vizinhos Mais Próximos, Perceptron Multicamadas, Bayesiano Ingênuo, Floresta Aleatória e Máquina de Vetor Suporte para determinar a intensidade da chuva. Os resultados mostram que o modelo gerado pelos algoritmos Floresta Aleatória, Perceptron Multicamadas e Árvore de Decisão apresentam desempenho ligeiramente superior aos demais. Contudo, o melhor custo-benefı́cio em termos de desempenho e tempo de execução é alcançado pela Árvore de Decisão.