Comparação de algoritmos preditivos para incêndios em canaviais
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UTFPR-12_9ac4749e09fbda018d23090a79ac8f0d |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/27915 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2022-04-08T16:11:17Z2022-04-08T16:11:17Z2021-12-02FANTINATTI, Gabriela Fernanda. Comparação de algoritmos preditivos para incêndios em canaviais. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021.http://repositorio.utfpr.edu.br/jspui/handle/1/27915A 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.The occurrence of fire in sugarcane fields is a problem that has plagued several regions of the country for a long time. Due to the concern about this and its tragic consequences, it is necessary to take actions in order to avoid or alleviate this problem. With the development of Artificial Intelligence (AI) and the growing use of Machine Learning (ML), there is an opportunity to use technology in favor of anticipating an imminent fire. In this context, the objective of this work was to implement predictive algorithms using the Python language to compare and define what best applies to fire prediction in sugarcane fields. The data necessary for this purpose were provided by a sugarcane company located in the interior of São Paulo. Among the four analyzed algorithms, these being the Support Vector Machine (SVM), Naive Bayes, Random Forest and XGBoost, the SVM model showed a better performance against the performance metrics used.porUniversidade Tecnológica Federal do ParanáPonta GrossaEngenharia QuímicaUTFPRBrasilDepartamento Acadêmico de Engenharia Químicahttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA QUIMICACana-de-açúcarIncêndiosInteligência artificialAprendizado do computadorAlgorítmosPython (Linguagem de programação de computador)SugarcaneFiresArtificial intelligenceMachine learningAlgorithmsPython (Computer program language)Comparação de algoritmos preditivos para incêndios em canaviaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisPonta GrossaParise, Maria ReginaCarpanezi, Cristiane Yoko TakahashiParise, Maria ReginaMatos, Everton MoraesPagani, Regina NegriFantinatti, Gabriela Fernandareponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALcamparacaoalgoritmospreditivosincendios.pdfcamparacaoalgoritmospreditivosincendios.pdfapplication/pdf1045435http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/1/camparacaoalgoritmospreditivosincendios.pdf4cf7f24c569ffe488fa8124363a22a2eMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/2/license_rdf934f4ca17e109e0a05eaeaba504d7ce4MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/3/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD53TEXTcamparacaoalgoritmospreditivosincendios.pdf.txtcamparacaoalgoritmospreditivosincendios.pdf.txtExtracted texttext/plain107898http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/4/camparacaoalgoritmospreditivosincendios.pdf.txtdeb2d2eea09b3ff43d74d67b30deba8eMD54THUMBNAILcamparacaoalgoritmospreditivosincendios.pdf.jpgcamparacaoalgoritmospreditivosincendios.pdf.jpgGenerated Thumbnailimage/jpeg1218http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/5/camparacaoalgoritmospreditivosincendios.pdf.jpg545ca75ffad3c80202bd735c70d5887dMD551/279152022-04-09 03:07:51.32oai:repositorio.utfpr.edu.br:1/27915TmEgcXVhbGlkYWRlIGRlIHRpdHVsYXIgZG9zIGRpcmVpdG9zIGRlIGF1dG9yIGRhIHB1YmxpY2HDp8OjbywgYXV0b3Jpem8gYSBVVEZQUiBhIHZlaWN1bGFyLCAKYXRyYXbDqXMgZG8gUG9ydGFsIGRlIEluZm9ybWHDp8OjbyBlbSBBY2Vzc28gQWJlcnRvIChQSUFBKSBlIGRvcyBDYXTDoWxvZ29zIGRhcyBCaWJsaW90ZWNhcyAKZGVzdGEgSW5zdGl0dWnDp8Ojbywgc2VtIHJlc3NhcmNpbWVudG8gZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCBkZSBhY29yZG8gY29tIGEgTGVpIG5vIDkuNjEwLzk4LCAKbyB0ZXh0byBkZXN0YSBvYnJhLCBvYnNlcnZhbmRvIGFzIGNvbmRpw6fDtWVzIGRlIGRpc3BvbmliaWxpemHDp8OjbyByZWdpc3RyYWRhcyBubyBpdGVtIDQgZG8gCuKAnFRlcm1vIGRlIEF1dG9yaXphw6fDo28gcGFyYSBQdWJsaWNhw6fDo28gZGUgVHJhYmFsaG9zIGRlIENvbmNsdXPDo28gZGUgQ3Vyc28gZGUgR3JhZHVhw6fDo28gZSAKRXNwZWNpYWxpemHDp8OjbywgRGlzc2VydGHDp8O1ZXMgZSBUZXNlcyBubyBQb3J0YWwgZGUgSW5mb3JtYcOnw6NvIGUgbm9zIENhdMOhbG9nb3MgRWxldHLDtG5pY29zIGRvIApTaXN0ZW1hIGRlIEJpYmxpb3RlY2FzIGRhIFVURlBS4oCdLCBwYXJhIGZpbnMgZGUgbGVpdHVyYSwgaW1wcmVzc8OjbyBlL291IGRvd25sb2FkLCB2aXNhbmRvIGEgCmRpdnVsZ2HDp8OjbyBkYSBwcm9kdcOnw6NvIGNpZW50w61maWNhIGJyYXNpbGVpcmEuCgogIEFzIHZpYXMgb3JpZ2luYWlzIGUgYXNzaW5hZGFzIHBlbG8ocykgYXV0b3IoZXMpIGRvIOKAnFRlcm1vIGRlIEF1dG9yaXphw6fDo28gcGFyYSBQdWJsaWNhw6fDo28gZGUgClRyYWJhbGhvcyBkZSBDb25jbHVzw6NvIGRlIEN1cnNvIGRlIEdyYWR1YcOnw6NvIGUgRXNwZWNpYWxpemHDp8OjbywgRGlzc2VydGHDp8O1ZXMgZSBUZXNlcyBubyBQb3J0YWwgCmRlIEluZm9ybWHDp8OjbyBlIG5vcyBDYXTDoWxvZ29zIEVsZXRyw7RuaWNvcyBkbyBTaXN0ZW1hIGRlIEJpYmxpb3RlY2FzIGRhIFVURlBS4oCdIGUgZGEg4oCcRGVjbGFyYcOnw6NvIApkZSBBdXRvcmlh4oCdIGVuY29udHJhbS1zZSBhcnF1aXZhZGFzIG5hIEJpYmxpb3RlY2EgZG8gQ8OibXB1cyBubyBxdWFsIG8gdHJhYmFsaG8gZm9pIGRlZmVuZGlkby4gCk5vIGNhc28gZGUgcHVibGljYcOnw7VlcyBkZSBhdXRvcmlhIGNvbGV0aXZhIGUgbXVsdGljw6JtcHVzLCBvcyBkb2N1bWVudG9zIGZpY2Fyw6NvIHNvYiBndWFyZGEgZGEgCkJpYmxpb3RlY2EgY29tIGEgcXVhbCBvIOKAnHByaW1laXJvIGF1dG9y4oCdIHBvc3N1YSB2w61uY3Vsby4KRepositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2022-04-09T06:07:51Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Comparação de algoritmos preditivos para incêndios em canaviais |
title |
Comparação de algoritmos preditivos para incêndios em canaviais |
spellingShingle |
Comparação de algoritmos preditivos para incêndios em canaviais Fantinatti, Gabriela Fernanda 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) |
title_short |
Comparação de algoritmos preditivos para incêndios em canaviais |
title_full |
Comparação de algoritmos preditivos para incêndios em canaviais |
title_fullStr |
Comparação de algoritmos preditivos para incêndios em canaviais |
title_full_unstemmed |
Comparação de algoritmos preditivos para incêndios em canaviais |
title_sort |
Comparação de algoritmos preditivos para incêndios em canaviais |
author |
Fantinatti, Gabriela Fernanda |
author_facet |
Fantinatti, Gabriela Fernanda |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Parise, Maria Regina |
dc.contributor.advisor-co1.fl_str_mv |
Carpanezi, Cristiane Yoko Takahashi |
dc.contributor.referee1.fl_str_mv |
Parise, Maria Regina |
dc.contributor.referee2.fl_str_mv |
Matos, Everton Moraes |
dc.contributor.referee3.fl_str_mv |
Pagani, Regina Negri |
dc.contributor.author.fl_str_mv |
Fantinatti, Gabriela Fernanda |
contributor_str_mv |
Parise, Maria Regina Carpanezi, Cristiane Yoko Takahashi Parise, Maria Regina Matos, Everton Moraes Pagani, Regina Negri |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA |
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) |
dc.subject.por.fl_str_mv |
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) |
description |
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. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-12-02 |
dc.date.accessioned.fl_str_mv |
2022-04-08T16:11:17Z |
dc.date.available.fl_str_mv |
2022-04-08T16:11:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
FANTINATTI, Gabriela Fernanda. Comparação de algoritmos preditivos para incêndios em canaviais. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/27915 |
identifier_str_mv |
FANTINATTI, Gabriela Fernanda. Comparação de algoritmos preditivos para incêndios em canaviais. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/27915 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.publisher.program.fl_str_mv |
Engenharia Química |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Departamento Acadêmico de Engenharia Química |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/1/camparacaoalgoritmospreditivosincendios.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/2/license_rdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/3/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/4/camparacaoalgoritmospreditivosincendios.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27915/5/camparacaoalgoritmospreditivosincendios.pdf.jpg |
bitstream.checksum.fl_str_mv |
4cf7f24c569ffe488fa8124363a22a2e 934f4ca17e109e0a05eaeaba504d7ce4 b9d82215ab23456fa2d8b49c5df1b95b deb2d2eea09b3ff43d74d67b30deba8e 545ca75ffad3c80202bd735c70d5887d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805923096180293632 |