Aprendizado de máquina aplicado à previsão de infestações de pragas através de mudanças meteorológicas
Resumo
O uso de pesticidas como forma de controle do avanço da população de uma determinada praga é a técnica mais utilizada atualmente. Uma das razões para este fato é o tempo de resposta que tal método possui, agindo de forma rápida e eliminando a ameaça à plantação. Entretanto, tais pesticidas são conhecidos por seus riscos à saúde, tanto dos consumidores dos produtos quanto dos trabalhadores rurais e seus aplicadores. As infestações são causadas por insetos, e muitos desses insetos possuem características que são fortemente influenciadas por fatores meteorológicos,
por exemplo, o fato de serem ectotérmicos, o que os tornam frágeis à alterações na temperatura da região. Com base neste conhecimento, é possível afirmar que o comportamento dos insetos é previsível, capaz de ser determinado a partir das alterações climáticas da região. Neste contexto, este trabalho propõe a criação de um modelo de previsão de infestações baseando-se nas alterações climáticas da região. Mais especificamente, este trabalho tem como objetivo ser capaz de informar
a população dos insetos presentes nas plantações com uma antecedência de uma semana, baseando-se nos dados meteorológicos da semana anterior. As informações meteorológicas utilizadas para a previsão foram a média semanal da temperatura e do nível de chuva. Além disso, foi utilizada a informação populacional corrente na plantação como entrada para o modelo. Para a criação e validação do modelo, foi criado um toy dataset a partir de uma rede LSTM treinada com dados do Instituto Biológico de Campinas. Para a previsão foi criada uma rede LSTM com aprendizado
online. Para comparação, foi treinada outra rede LSTM com os mesmos dados, porém ela foi dividida em um conjunto de treinamento e um conjunto de teste. Ao final dos experimentos, pode-se verificar que o modelo online obteve um Erro Médio Quadrático inferior ao modelo tradicional.
Collections
Os arquivos de licença a seguir estão associados a este item: