Use este identificador para citar ou linkar para este item: http://dspace.bc.uepb.edu.br/jspui/handle/123456789/30847
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSantos, Jefferson Vieira dos-
dc.date.accessioned2023-12-21T10:44:30Z-
dc.date.available2023-12-21T10:44:30Z-
dc.date.issued2023-11-14-
dc.identifier.otherCDD 519.5-
dc.identifier.urihttp://dspace.bc.uepb.edu.br/jspui/handle/123456789/30847-
dc.descriptionVIEIRA, Jefferson. Um estudo do Standardized Precipitation Index (SPI) e técnicas de machine learning para previsão de secas no estado da Paraíba. 2023. 45 p. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Estadual da Paraíba, Centro de Ciências e Tecnologia, 2023pt_BR
dc.description.abstractObjetivou-se neste estudo identificar e analisar as secas na Paraíba, utilizando o Índice Padronizado de Precipitação (SPI) e técnicas de modelagem com algoritmos de machine learning para prever o SPI para os anos subsequentes (2020-2021) em seis estações pluviométricas distribuídas nas mesorregiões da Paraíba. Os dados de precipitação foram obtidos a partir do Global Precipitation Climatology Centre (GPCC) e da base de dados da National Oceanic and Atmospheric Administration (NOAA), abrangendo o período de 1991 a 2019. Foram selecionados três algoritmos de machine learning com base em sua capacidade de ajuste aos dados históricos de SPI: Extra Trees Regressor, Gradient Boosting Regressor e Random Forest Regressor. Os modelos de machine learning aplicados apresentaram resultados satisfatórios, com destaque para o Extra Trees Regressor, que consistentemente produziu o maior valor de R² em todas as estações, indicando uma alta explicabilidade dos dados. As previsões foram analisadas para determinar sua precisão e confiabilidade, fornecendo insights valiosos sobre a variabilidade da precipitação e a ocorrência de secas nas diferentes mesorregiões da Paraíba. Em conclusão, este estudo contribuiu para a compreensão da variabilidade climática e de suas implicações na Paraíba, fornecendo insights valiosos sobre a ocorrência de secas e a importância de abordagens adaptativas para mitigar impactos adversos. A aplicação do SPI e técnicas de machine learning mostrou-se eficaz na análise e previsão da precipitação, oferecendo uma abordagem objetiva para caracterizar a intensidade das secas e chuvas em determinadas regiões.pt_BR
dc.description.sponsorshipOrientador: Prof. Dr. Silvio Fernando Alves Xavier Júniorpt_BR
dc.language.isootherpt_BR
dc.subjectÍndice Padronizado de Precipitação (SPI).pt_BR
dc.subjectSecapt_BR
dc.subjectMachine Learningpt_BR
dc.titleUm estudo do Standardized Precipitation Index (SPI) e técnicas de machine learning para previsão de secas no estado da Paraíbapt_BR
dc.typeOtherpt_BR
Aparece nas coleções:09 - TCC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC - Jefferson Vieira dos SantosTCC - Jefferson Vieira dos Santos3.12 MBAdobe PDFVisualizar/Abrir
Termo de DepositoTermo de Deposito159 kBAdobe PDFVisualizar/Abrir    Solictar uma cópia


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.