Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/5760
Title: Previsão de séries temporais de evapotranspiração de referência e desenvolvimento de estação meteorológica.
Authors: Basílio, Ray da Silva
metadata.dc.contributor.advisor: Silva, Rodrigo César Pedrosa
Rêgo Segundo, Alan Kardek
metadata.dc.contributor.referee: Palmieri, Karla Boaventura Pimenta
Silva, Rodrigo Cesar Pedrosa
Rêgo Segundo, Alan Kardek
Silva, Pedro Henrique Lopes
Keywords: Exógenas
Séries temporais
Internet das coisas
Evapotranspiração de referência
Issue Date: 2023
Citation: BASÍLIO, Ray da Silva. Previsão de séries temporais de evapotranspiração de referência e desenvolvimento de estação meteorológica. 2023. 123 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Abstract: A competição crescente por áreas agrícolas e recursos hídricos tem desencadeado estresse hídrico em diversas regiões, exigindo soluções sustentáveis para aumentar a produtividade. Neste contexto, a Agricultura 4.0 destaca-se por suas inovações tecnológicas, como Big Data, Internet das Coisas (IoT), Inteligência Artificial e Robótica, visando otimizar o fornecimento de recursos necessários às plantas e animais, ao mesmo tempo que reduz os impactos ambientais negativos. O presente trabalho explora a aplicação do aprendizado de máquina para prever e estimar a evapotranspiração de referência, levando em consideração variáveis exógenas. Além disso, foi desenvolvida uma estação meteorológica para coleta e envio dos dados, os quais serviram de base para o cálculo de Eto. Como resultado, observou-se que modelos mais simples, como RandomForest, Árvore e Xgboost, ao incorporarem outras variáveis além da Eto durante a previsão, alcançaram resultados de RMSE comparáveis aos encontrados na literatura. Ademais, constatou-se que os métodos Embedded apresentaram resultados ligeiramente superiores aos métodos de Filter. Quanto à montagem da estação, todas as etapas foram concluídas com êxito, incluindo a obtenção de dados via LoRa e o armazenamento tanto local quanto em um banco de dados.
metadata.dc.description.abstracten: The increasing competition for agricultural areas and water resources has triggered water stress in various regions, demanding sustainable solutions to boost productivity. In this context, Agri- culture 4.0 stands out for its technological innovations such as Big Data, the Internet of Things (IoT), Artificial Intelligence, and Robotics, aiming to optimize the supply of necessary resources to plants and animals while reducing negative environmental impacts. This paper explores the application of machine learning to predict and estimate reference evapotranspiration, taking into account exogenous variables. Additionally, a weather station was developed to collect and transmit the data, which served as the basis for Eto calculation. As a result, it was observed that simpler models like RandomForest, Tree, and Xgboost, when incorporating other variables besides Eto during the prediction, achieved RMSE results comparable to those found in the literature. Moreover, it was found that Embedded methods performed slightly better than Filter methods. Regarding the assembly of the station, all stages were successfully completed, including data acquisition via LoRa and storage both locally and in a database.
URI: http://www.monografias.ufop.br/handle/35400000/5760
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_PrevisãoSériesTemporais.pdf13,33 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons