Aprendizado de máquina aplicado à previsão de infestações de pragas através de mudanças meteorológicas

• Ano de defesa: 2019
• Autor(a) principal: Souza, William Dalmorra de
• Orientador(a): Ferreira Júnior, Paulo Roberto
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
• Departamento: Centro de Desenvolvimento Tecnológico
• País: Brasil
• Palavras-chave em Português: Computação; Aprendizado de máquina; Aprendizado online; Controle-deinfestação; Dados meteorológicos; Machine learning; Online learning; Pest control; Meteorological data
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://guaiaca.ufpel.edu.br/handle/prefix/6219

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.