Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos

Abstract

Os insetos possuem importante grau de colaboração para a manutenção do ecossistema no planeta. Porém ao atingir um determinado nível populacional e causar danos às plantas, alguns insetos, passam a ser considerados como insetos-pragas e representam uma ameaça para a agricultura. O afídeo ou pulgão, é um inseto que contém características para atingir este estado pois apresenta um alto potencial biótico e pode causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperaturas interferem no crescimento populacional destes insetos. Portanto, este trabalho se propõe a aplicar a aplicar diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis climáticas e a dinâmica populacional dos afídeos. Pode-se concluir que variáveis como precipitação, temperatura, quantidade de dias com chuva na semana e fenômenos climáticos como El niño e La niña possuem influência na população de afídeos. Durante o trabalho, foram implementados 4 (quatro) modelos e aplicados aos dados existentes de população de afídeos com objetivo de avaliar a melhor acurácia. Como resultado obteve-se as acurácias: 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest.