Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/27915| Título: | Comparação de algoritmos preditivos para incêndios em canaviais |
| Autor(es): | Fantinatti, Gabriela Fernanda |
| Orientador(es): | Parise, Maria Regina |
| Palavras-chave: | 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) |
| Data do documento: | 2-Dez-2021 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | 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. |
| 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. |
| Abstract: | 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. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/27915 |
| Aparece nas coleções: | PG - Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| camparacaoalgoritmospreditivosincendios.pdf | 1,02 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
