O USO DE MACHINE LEARNING NA PREVISÃO DE SECAS EM DIFERENTES ESCALAS DE TEMPO

Resumo

Durante o desenvolvimento desta pesquisa, foram implementadas diversas soluções em Python para analisar as características climáticas da região do Norte de Minas Gerais e agrupar os dados com base em padrões como o SPEI, média de evaporação e precipitação. Após a predição para os municípios de Capitão Enéas, Ibiracatu, Janaúba, Japonvar, Lontra, Montes Claros, Patis, Varzelândia e Verdelândia, utilizando São João da Ponte como modelo de treinamento, avaliou-se a eficácia do modelo proposto.
A rede neural recorrente mostrou um desempenho satisfatório na predição do SPEI, embora não tenha se destacado em todas as métricas, indicando a necessidade de ajustes e aprimoramentos. Apesar disso, a abordagem abre caminho para novos estudos que considerem não apenas as características climáticas, mas também outras variáveis relevantes. Essa expansão pode contribuir para
um modelo mais abrangente, capaz de capturar a complexidade das interações climáticas entre os municípios, já que o algoritmo se mostrou eficaz ao prever dados de um município e suas localidades limítrofes.