Modelagem de secas usando um modelo de expansão polinomial evolutiva interpretável com seleção de características

• Ano de defesa: 2024
• Autor(a) principal: Francisco, Túlio José
• Orientador(a): Fonseca, Leonardo Goliatt da
• Banca de defesa: Pereira Júnior, Wanderlei Malaquias , Christo, Eliane da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Modelagem Computacional
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Secas; Modelagem; Expansão polinomial; Explicabilidade; Drought; EPE; Explainable AI
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/17737

As secas são fenômenos naturais capazes de gerar consequências negativas tanto para o meio ambiente quanto para a sociedade humana, como escassez de água, perda de colheitas, incêndios florestais e até desertificação do solo. A literatura fornece vários índices para monitoramento de secas, como o Índice de Precipitação Padronizada (SPI), que visa determinar períodos secos e úmidos em escalas de tempo que variam de 3 a 48 meses. Esta dissertação apresenta uma abordagem para a modelagem de secas ao introduzir um modelo de Expansão Polinomial Evolutiva (EPE) com técnicas integradas de seleção de características. Utilizando o EPE é possível gerar um modelo de previsão com explicabilidade. O modelo EPE, uma importante ferramenta matemática, é empregado para aumentar a precisão da previsão de secas. O EPE foi avaliado em um conjunto de dados de seca da Turquia. O EPE pode capturar a dinâmica complexa da seca e identificar as características mais importantes para a previsão de secas, ou seja, é uma ferramenta valiosa para a previsão e mitigação de secas. Esta informação pode ser usada para desenvolver sistemas de alerta precoce para secas e estratégias para mitigar os impactos da seca. Nesse trabalho o EPE foi aplicado em conjunto com a regressão Lasso para criar polinômios interpretáveis a partir dos dados de entrada, assim gerando um modelo de previsão de secas com explicabilidade e métricas satisfatórias.