Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Parise, Maria Regina | - |
Autor(es): dc.contributor | Carpanezi, Cristiane Yoko Takahashi | - |
Autor(es): dc.contributor | Parise, Maria Regina | - |
Autor(es): dc.contributor | Matos, Everton Moraes | - |
Autor(es): dc.contributor | Pagani, Regina Negri | - |
Autor(es): dc.creator | Fantinatti, Gabriela Fernanda | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:19:07Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:19:07Z | - |
Data de envio: dc.date.issued | 2022-04-08 | - |
Data de envio: dc.date.issued | 2022-04-08 | - |
Data de envio: dc.date.issued | 2021-12-01 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/27915 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706621 | - |
Descrição: dc.description | 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. | - |
Descrição: dc.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. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Engenharia Química | - |
Publicador: dc.publisher | Engenharia Química | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Cana-de-açúcar | - |
Palavras-chave: dc.subject | Incêndios | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Algorítmos | - |
Palavras-chave: dc.subject | Python (Linguagem de programação de computador) | - |
Palavras-chave: dc.subject | Sugarcane | - |
Palavras-chave: dc.subject | Fires | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Python (Computer program language) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA | - |
Título: dc.title | Comparação de algoritmos preditivos para incêndios em canaviais | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: