Título:	Geração de séries temporais de dados meteorológicos utilizando algoritmos de aprendizado de máquina.
Autor:	OLIVEIRA, H. L. C. de OLIVEIRA, S. R. de M. MONTEIRO, J. E. B. de A.
Afiliación:	HENRIQUE LIMA CARÁ DE OLIVEIRA, Unicamp, Bolsista CNPq; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; JOSE EDUARDO B DE ALMEIDA MONTEIRO, CNPTIA.
Año:	2017
Referencia:	In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 11., 2017, Campinas. Anais... [S.l: s.n.], 2017.
Páginas:	Não paginado.
Descripción:	RESUMO - Este trabalho objetivou desenvolver uma metodologia baseada em algoritmos de Aprendizado de Máquina para gerar séries espaço-temporais de precipitação e temperatura. Foi definida uma região de estudo de formato retangular, entre as latitudes de -18º e -22º e as longitudes de -52º e -39º, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. A região foi escolhida por ser climaticamente bastante heterogênea e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também foram utilizadas as bases externas TRMM e Nasa Power, cujos dados estão espacialmente dispostos em grades que cobrem a região de estudo. A região de estudo foi subdividida em formato de grade regular com resolução de 0,5º (latitude e longitude), resultando em 280 quadrículas, sendo 28 na horizontal e 10 na vertical. Para cada quadrícula foram ajustados modelos preditivos de precipitação diária, acumulada de 10 dias, temperatura máxima e temperatura mínima. Os resultados revelaram um bom ajuste dos modelos em relação aos valores previstos e observados, indicando um grande potencial da metodologia proposta tanto para a imputação de dados ausentes quanto para a geração de séries espaço-temporais em regiões sem a presença de dados medidos.
NAL Thesaurus:	Time series analysis Artificial intelligence Agrometeorology
Palabras clave:	Séries temporais Aprendizado de máquina Aprendizado com classes desbalanceadas Modelos preditivos Imputação de dados Algoritmo Random Forest Unbalanced class learning Predictive modeling Data imputation Machine Learning Agrometeorologia
ISBN:	978-85-7029-141-7
Notas:	CIIC 2017. Nº 17602.
Tipo de Material:	Artigo em anais e proceedings
Acceso:	openAccess
Aparece en las colecciones:	Artigo em anais de congresso (CNPTIA)