Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Sampaio, Daniel Brito
Orientador(a): Cavalieri, Daniel Cruz
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Serra
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Evapotranspiração
Inteligência artificial
Redes neurais
Análise de séries temporais
Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/2343
Resumo: RESUMO: A evapotranspiração de referência é um parâmetro agrometeorológico muito importante para irrigação. Através dele é possível mensurar a quantidade de água transferida do solo para a atmosfera. Para estimar essa taxa existem vários métodos que variam de acordo com a disponibilidade de elementos meteorológicos e diferentes climas ao redor do mundo. Assim, a inserção de tecnologias de monitoramento e atuação agrícola tem como objetivo o aperfeiçoamento do manejo nas culturas, onde se desenvolveu o campo da agricultura de precisão, com uma grande quantidade de dados meteorológicos, de plantio e de produção disponíveis para gerenciamento e previsão de recursos. A importância dessa gestão consiste numa melhor utilização dos recursos naturais disponíveis, como no caso deste trabalho, a água. Dessa forma, através da predição da taxa de evapotranspiração do solo é possível determinar uma vazão mais específica e correta para a irrigação diária de uma cultura. Neste contexto, esse estudo propôs uma predição utilizando um modelo de Machine Learning, nomeada como BiLSTM, que utiliza o histórico de dados meteorológicos e de evapotranspiração da cidade de Salvador, Bahia. Como resultados, este trabalho apresentou uma predição com valor de erro médio de 0,387 e um viés muito próximo de zero. Além disso, foi proposta uma rede denominada VAR+LSTM, para comparação dos resultados com a rede BiLSTM e LSTM tradicionais. Por fim, a rede BiLTSM apresentou as melhores métricas, porém, todos os algoritmos apresentaram uma assertividade da taxa de evapotranspiração que resulta em uma maior economia de água e energia.
id IFES-2_d13784c61abaf8f3d0006c5f1bee5c03
oai_identifier_str oai:repositorio.ifes.edu.br:123456789/2343
network_acronym_str IFES-2
network_name_str Repositório Institucional do IFES
repository_id_str
spelling Sampaio, Daniel BritoInstituto Federal do Espírito Santo (IFES)Ciarelli, Patrick MarquesPinto, Luiz AlbertoCavalieri, Daniel CruzCosta, Wagner Teixeira da2022-09-12T11:57:33Z2022-09-12T11:57:33Z2022SAMPAIO, Daniel Brito. Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM. 2022. 49 f. Dissertação (Mestrado Profissional em Engenharia de Controle e Automação - Sistemas Inteligentes) - Instituto Federal do Espírito Santo, Serra , 2022.https://repositorio.ifes.edu.br/handle/123456789/2343S192p2022RESUMO: A evapotranspiração de referência é um parâmetro agrometeorológico muito importante para irrigação. Através dele é possível mensurar a quantidade de água transferida do solo para a atmosfera. Para estimar essa taxa existem vários métodos que variam de acordo com a disponibilidade de elementos meteorológicos e diferentes climas ao redor do mundo. Assim, a inserção de tecnologias de monitoramento e atuação agrícola tem como objetivo o aperfeiçoamento do manejo nas culturas, onde se desenvolveu o campo da agricultura de precisão, com uma grande quantidade de dados meteorológicos, de plantio e de produção disponíveis para gerenciamento e previsão de recursos. A importância dessa gestão consiste numa melhor utilização dos recursos naturais disponíveis, como no caso deste trabalho, a água. Dessa forma, através da predição da taxa de evapotranspiração do solo é possível determinar uma vazão mais específica e correta para a irrigação diária de uma cultura. Neste contexto, esse estudo propôs uma predição utilizando um modelo de Machine Learning, nomeada como BiLSTM, que utiliza o histórico de dados meteorológicos e de evapotranspiração da cidade de Salvador, Bahia. Como resultados, este trabalho apresentou uma predição com valor de erro médio de 0,387 e um viés muito próximo de zero. Além disso, foi proposta uma rede denominada VAR+LSTM, para comparação dos resultados com a rede BiLSTM e LSTM tradicionais. Por fim, a rede BiLTSM apresentou as melhores métricas, porém, todos os algoritmos apresentaram uma assertividade da taxa de evapotranspiração que resulta em uma maior economia de água e energia.ABSTRACT: Reference evapotranspiration is a very important agrometeorological parameter for irrigation. Through it it is possible to measure the amount of water transferred from the soil to the atmosphere. To estimate this rate, there are several methods that vary according to the availability of meteorological elements and different climates around the world. Thus, the insertion of agricultural monitoring and performance technologies aims to improve crop management, where the field of precision agriculture was developed, with a large amount of meteorological, planting and production data available for management and prediction of resources. The importance of this management consists of a better use of available natural resources, as in the case of this work, water. Thus, by predicting the soil evapotranspiration rate, it is possible to determine a more specific and correct flow for the daily irrigation of a crop. In this context, this study proposed a prediction using a Machine Learning model, named as BiLSTM, which uses historical meteorological and evapotranspiration data from the city of Salvador, Bahia. As a result, this work presented a prediction with a mean error value of 0.387 and a bias very close to zero. In addition, a network called VAR+LSTM was proposed to compare the results with the traditional BiLSTM and LSTM network. Finally, the BiLTSM network presented the best metrics, however, all algorithms presented an assertiveness of the evapotranspiration rate that results in greater water and energy savings.49 facesso_abertoinfo:eu-repo/semantics/openAccessEvapotranspiraçãoInteligência artificialRedes neuraisAnálise de séries temporaisPredição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTMinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSerraporreponame:Repositório Institucional do IFESinstname:Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)instacron:IFESCampus SerraSistemas Inteligenteshttp://lattes.cnpq.br/9583314331960942http://lattes.cnpq.br/5878028929272559Mestrado Profissional em Engenharia de Controle e Automaçãohttp://lattes.cnpq.br/3550111932609658ORIGINALDISSERTACAO_Predicao_Evapotranspiracao_Usando_Rede_BiLSTM_E_VARLSTM_IFES.pdfDISSERTACAO_Predicao_Evapotranspiracao_Usando_Rede_BiLSTM_E_VARLSTM_IFES.pdfapplication/pdf2453917https://repositorio.ifes.edu.br/bitstreams/986bec7e-42b0-433a-af3c-7abac1d531cf/download39e868f8db8822becd7728849de42016MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8934https://repositorio.ifes.edu.br/bitstreams/0e0d69aa-1875-4e2a-bdd0-f2f07863fdf6/downloadac7cb971050ed632be934da23d966924MD52falseAnonymousREADTEXTDISSERTACAO_Predicao_Evapotranspiracao_Usando_Rede_BiLSTM_E_VARLSTM_IFES.pdf.txtDISSERTACAO_Predicao_Evapotranspiracao_Usando_Rede_BiLSTM_E_VARLSTM_IFES.pdf.txtExtracted texttext/plain89391https://repositorio.ifes.edu.br/bitstreams/413665f2-c39f-4cad-8533-3e1f3706b811/download1a306feae2a87f9dbcc9c85f61ed6736MD53falseAnonymousREADTHUMBNAILDISSERTACAO_Predicao_Evapotranspiracao_Usando_Rede_BiLSTM_E_VARLSTM_IFES.pdf.jpgDISSERTACAO_Predicao_Evapotranspiracao_Usando_Rede_BiLSTM_E_VARLSTM_IFES.pdf.jpgGenerated Thumbnailimage/jpeg2135https://repositorio.ifes.edu.br/bitstreams/cbca241a-3e81-46b7-8db6-12f4eb328489/downloadb11f06dee0ed919838d1eef26be5bb6aMD54falseAnonymousREAD123456789/23432022-09-12T11:57:34.008Zopen.accessoai:repositorio.ifes.edu.br:123456789/2343https://repositorio.ifes.edu.brRepositório InstitucionalPUBhttps://repositorio.ifes.edu.br/server/oai/requestrepositorio@ifes.edu.bropendoar:2022-09-12T11:57:34Repositório Institucional do IFES - Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)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
dc.title.pt_BR.fl_str_mv Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
title Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
spellingShingle Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
Sampaio, Daniel Brito
Evapotranspiração
Inteligência artificial
Redes neurais
Análise de séries temporais
title_short Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
title_full Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
title_fullStr Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
title_full_unstemmed Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
title_sort Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM
author Sampaio, Daniel Brito
author_facet Sampaio, Daniel Brito
author_role author
dc.contributor.institution.pt_BR.fl_str_mv Instituto Federal do Espírito Santo (IFES)
dc.contributor.member.none.fl_str_mv Ciarelli, Patrick Marques
Pinto, Luiz Alberto
dc.contributor.author.fl_str_mv Sampaio, Daniel Brito
dc.contributor.advisor1.fl_str_mv Cavalieri, Daniel Cruz
dc.contributor.advisor-co1.fl_str_mv Costa, Wagner Teixeira da
contributor_str_mv Cavalieri, Daniel Cruz
Costa, Wagner Teixeira da
dc.subject.por.fl_str_mv Evapotranspiração
Inteligência artificial
Redes neurais
Análise de séries temporais
topic Evapotranspiração
Inteligência artificial
Redes neurais
Análise de séries temporais
description RESUMO: A evapotranspiração de referência é um parâmetro agrometeorológico muito importante para irrigação. Através dele é possível mensurar a quantidade de água transferida do solo para a atmosfera. Para estimar essa taxa existem vários métodos que variam de acordo com a disponibilidade de elementos meteorológicos e diferentes climas ao redor do mundo. Assim, a inserção de tecnologias de monitoramento e atuação agrícola tem como objetivo o aperfeiçoamento do manejo nas culturas, onde se desenvolveu o campo da agricultura de precisão, com uma grande quantidade de dados meteorológicos, de plantio e de produção disponíveis para gerenciamento e previsão de recursos. A importância dessa gestão consiste numa melhor utilização dos recursos naturais disponíveis, como no caso deste trabalho, a água. Dessa forma, através da predição da taxa de evapotranspiração do solo é possível determinar uma vazão mais específica e correta para a irrigação diária de uma cultura. Neste contexto, esse estudo propôs uma predição utilizando um modelo de Machine Learning, nomeada como BiLSTM, que utiliza o histórico de dados meteorológicos e de evapotranspiração da cidade de Salvador, Bahia. Como resultados, este trabalho apresentou uma predição com valor de erro médio de 0,387 e um viés muito próximo de zero. Além disso, foi proposta uma rede denominada VAR+LSTM, para comparação dos resultados com a rede BiLSTM e LSTM tradicionais. Por fim, a rede BiLTSM apresentou as melhores métricas, porém, todos os algoritmos apresentaram uma assertividade da taxa de evapotranspiração que resulta em uma maior economia de água e energia.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-09-12T11:57:33Z
dc.date.available.fl_str_mv 2022-09-12T11:57:33Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SAMPAIO, Daniel Brito. Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM. 2022. 49 f. Dissertação (Mestrado Profissional em Engenharia de Controle e Automação - Sistemas Inteligentes) - Instituto Federal do Espírito Santo, Serra , 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ifes.edu.br/handle/123456789/2343
dc.identifier.capes.pt_BR.fl_str_mv S192p2022
identifier_str_mv SAMPAIO, Daniel Brito. Predição da evapotranspiração de referência usando rede LSTM bidirecional e VAR+LSTM. 2022. 49 f. Dissertação (Mestrado Profissional em Engenharia de Controle e Automação - Sistemas Inteligentes) - Instituto Federal do Espírito Santo, Serra , 2022.
S192p2022
url https://repositorio.ifes.edu.br/handle/123456789/2343
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv acesso_aberto
info:eu-repo/semantics/openAccess
rights_invalid_str_mv acesso_aberto
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 49 f
dc.publisher.none.fl_str_mv Serra
publisher.none.fl_str_mv Serra
dc.source.none.fl_str_mv reponame:Repositório Institucional do IFES
instname:Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
instacron:IFES
instname_str Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
instacron_str IFES
institution IFES
reponame_str Repositório Institucional do IFES
collection Repositório Institucional do IFES
bitstream.url.fl_str_mv https://repositorio.ifes.edu.br/bitstreams/986bec7e-42b0-433a-af3c-7abac1d531cf/download
https://repositorio.ifes.edu.br/bitstreams/0e0d69aa-1875-4e2a-bdd0-f2f07863fdf6/download
https://repositorio.ifes.edu.br/bitstreams/413665f2-c39f-4cad-8533-3e1f3706b811/download
https://repositorio.ifes.edu.br/bitstreams/cbca241a-3e81-46b7-8db6-12f4eb328489/download
bitstream.checksum.fl_str_mv 39e868f8db8822becd7728849de42016
ac7cb971050ed632be934da23d966924
1a306feae2a87f9dbcc9c85f61ed6736
b11f06dee0ed919838d1eef26be5bb6a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional do IFES - Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
repository.mail.fl_str_mv repositorio@ifes.edu.br
_version_ 1865654643590168576

Registros relacionados