Modelo de predição da soja utilizando aprendizado de máquina

Abstract

Este trabalho investiga a aplicação de técnicas e algoritmos de aprendizado de máquina em grandes volumes de dados para a análise climática para prever a produtividade da soja, um dos principais cultivos agrícolas no Brasil. Utilizou-se o algoritmo Random Forest para estimar a produtividade da soja com base em variáveis climáticas simuladas, incluindo temperatura, umidade, precipitação e vento. Os dados climáticos utilizados correspondem a um ano de informações, abrangendo 365 dias, incluindo a produtividade foi calculada com base em fórmulas que consideram os impactos adversos das condições climáticas. Os resultados mostraram que o modelo é capaz de prever com precisão a produtividade, apresentando um Erro Médio Quadrático (MSE) satisfatório. Além disso, a análise das correlações revelou que a temperatura e a umidade têm um papel crítico na produtividade da soja. Este estudo demonstra o potencial do uso de aprendizado de máquina para otimizar práticas agrícolas e aumentar a resiliência da soja às mudanças climáticas, destacando a importância de um monitoramento detalhado das condições climáticas para decisões informadas no agronegócio.