Análise de Algoritmos de Aprendizagem de Máquina para Previsão de Precipitações para Utilização na Agricultura Familiar

Este trabalho tem como proposta uma análise de dados de elementos meteorológicos como: precipitação total (mm), pressão atmosférica ao nível da estação (mb), temperatura do ar - bulbo seco (°c), umidade relativa do ar (%), direção do vento (°gr), velocidade do vento (m/s), buscando prever a precipitação e testar modelos de Aprendizado de Máquina que melhor se adaptem ao conjunto de dados utilizados, sendo estes: K-Nearest Neighbor (KNN), Árvore de decisão e a rede neural Multilayer Perceptron (MLP), com o objetivo de identificar o melhor modelo aplicado a previsão de chuvas aplicados na região de Sobral-CE. A proposta tem como objetivo ajudar os pequenos e médios produtores agrícolas, que estão relacionados intrinsecamente aos aspectos econômicos da região, que sofre com estiagens e precisam gerir seus recursos hídricos. Diante dos modelos utilizados, a árvore de decisão obteve melhor resultado com uma taxa de acerto de 99.995%, e a MLP de 99.693%, já o KNN obteve apenas 76.726%.