Previsão de precipitação usando máquinas de vetores de suporte visando sua implementação em sistemas embarcados

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLlanos Quintero, Carlos Humberto-
Autor(es): dc.creatorSantos, Everaldo José Rabêlo dos-
Data de aceite: dc.date.accessioned2021-10-14T17:55:06Z-
Data de disponibilização: dc.date.available2021-10-14T17:55:06Z-
Data de envio: dc.date.issued2020-05-14-
Data de envio: dc.date.issued2020-05-14-
Data de envio: dc.date.issued2020-05-14-
Data de envio: dc.date.issued2019-08-30-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/37716-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/619248-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2019.-
Descrição: dc.descriptionA previsão e a evolução dos parâmetros climáticos (como radiação solar, índices de precipitações, temperatura atmosférica e da umidade relativa) são informações importantes para a sociedade e suas áreas de aplicação. As novas tecnologias (como estações meteorológicas inteligentes, colheitadeiras, robôs e drones) necessitam de informações atuais e futuras sobre as condições de clima e tempo de sua localidade, para melhorar a eficiência no uso de recursos e permitir o funcionamento sustentável destes dispositivos. Adicionalmente os indicadores de clima e tempo para a região amazônica apresentam baixa acurácia nas previsões com os modelos disponíveis, devido a fatores como a dinâmica tropical da região, instrumentação escassa e dificuldade logística da região-acesso e energia elétrica. Este trabalho apresenta uma proposta de aplicação de algoritmos de Inteligência Artificial (IA), para dispositivos inteligentes com sistemas embarcados, como: drones, robôs e estações meteorológicas, para previsão de classes de chuva (precipitação). Como classificador foi utilizado o algoritmo SVM, combinados com o algoritmos bio-inspirados - MOPSO e MODE. Para validação desta proposta foram utilizados dados reais de uma localidade da região amazônica, a cidade de Belém-PA. Essas técnicas foram propostas recentemente na literatura e apresentaram boa capacidade de previsão de chuva na Europa, China e India. Os resultados qualitativos e quantitativos, deste trabalho, demostraram que o desempenho destes algoritmos foram bons, e mostrou que seu desempenho depende das reais necessidades do problema a ser aplicado. Os modelos apresentaram uma boa eficiência computacional, para aplicações em sistemas embarcados, já que não requerem grandes recursos de hardware e software. Os modelos apresentaram, também, uma boa acurácia, boa precisão e recall eficientes, para as classes de precipitação utilizadas, podendo ser implementado para previsão de curto prazo com baixo custo computacional.-
Descrição: dc.descriptionPrediction and evolution of climate parameters (such as solar radiation, precipitation rates, atmospheric temperature and relative humidity) are important information for society and its application areas. New technologies (such as smart weather stations, harvesters, robots, and drones) need current and future information on your local weather and weather conditions to improve resource efficiency and enable these devices to function sustainably. Additionally, climate and weather indicators for the Amazon region present low accuracy in the predictions with the available models, due to factors such as the region’s tropical dynamics, scarce instrumentation and logistical difficulty of the access region and electricity. This work presents a proposal for the application of Artificial Intelligence (AI) algorithms for intelligent devices in embedded systems, such as: drones, robots and meteorological stations, to predict rainfall classes. For the classifier the SVM algorithm was used, combined with the bio-inspired algorithms - MOPSO and MODE. To validate this proposal, real data were used from a locality in the Amazon region, the city of Belém-PA. These techniques were recently proposed in the literature and showed good rainfall prediction in Europe, China and India. The qualitative and quantitative results of this work demonstrated that the performance of these algorithms were good and showed that their performance depends on the real needs of the problem to be applied. The models presented a good computational efficiency, for applications in embedded systems, since they do not require great hardware and software resources. The models also presented a good accuracy, good precision and efficient recall for the precipitation classes used, being able to be implemented for short term prediction with low computational cost-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectMáquina de vetor de suporte-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectPrevisão do tempo-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectDispositivos inteligentes-
Título: dc.titlePrevisão de precipitação usando máquinas de vetores de suporte visando sua implementação em sistemas embarcados-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:UNB

Não existem arquivos associados a este item.