ESTUDO COMPARATIVO A PARTIR DA APLICAÇÃO DE TÉCNICAS DE APRENDIZAGEM PROFUNDA BASEADAS EM DADOS PLUVIOMÉTRICOS COLETADOS POR ESTAÇÃO METEOROLÓGICA AUTOMÁTICA

Resumo

As chuvas desempenham um importante papel no contexto social, por trazerem a possibilidade de planejamento para o cultivo e colheita de diversas culturas alimentares. Assim, o estudo teve como finalidade a predição de precipitações pluviométricas através da aplicação de Redes Neurais Convolucionais. Para a metodologia utilizou-se de uma base de dados coletada por uma estação meteorológia automática e da implementação das arquiteturas LeNet, VG- GNet, ResNet, AlexNet e GoogLeNet, além das técnicas de normalização k-fold, SMOTE e z-score. Os resultados demonstraram que a arquitetura GoogLeNet obteve a melhor média de acertos com  92,45%, enquanto que para a especificidade e a taxa de falsos positivos, a arquitetura AlexNet obteve os melhores resultados com 96,14% e 3,867% respectivamente.

DOI: 10.36558/rsc.v12i1.7593