Comparação de algoritmos preditivos para incêndios em canaviais

• Autor(a) principal: Fantinatti, Gabriela Fernanda
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/27915
• topic: CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA; Cana-de-açúcar; Incêndios; Inteligência artificial; Aprendizado do computador; Algorítmos; Python (Linguagem de programação de computador); Sugarcane; Fires; Artificial intelligence; Machine learning; Algorithms; Python (Computer program language)

A ocorrência de incêndio em canaviais é um problema que há muito assola diversas regiões do país. Devido à preocupação em relação a isso e suas trágicas consequências, faz-se necessário a tomada de ações a fim de evitar ou atenuar esse problema. Com o desenvolvimento da Inteligência Artificial (IA) e a crescente utilização de Machine Learning (ML), encontra-se uma oportunidade de utilizar a tecnologia a favor da antecipação quanto a um iminente incêndio. Neste contexto, o objetivo deste trabalho foi implementar algoritmos preditivos utilizando a linguagem Python para comparar e definir o que melhor se aplica a predição de incêndio em canaviais. Os dados necessários para essa finalidade foram fornecidos por uma empresa sucroenergética localizada no interior de São Paulo. Dentre os quatro algoritmos analisados, sendo estes Supporte Vector Machine (SVM), Naive Bayes, Random Forest e XGBoost, o modelo SVM mostrou um melhor desempenho frente as métricas de desempenho utilizadas.