Aplicação de modelos de aprendizado de máquina em conjuntos de dados sobre sustentabilidade

- 158639
Resumo / Abstract / Resumen
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A Inteligência Artificial (IA) pode ser aplicada para ajudar a resolver problemas em diferentes domínios. Aprendizado de Máquina (AM) é uma área da IA em que modelos computacionais podem ser induzidos a partir de técnicas preditivas ou descritivas, sendo que para isso é necessário ter em mãos um conjunto de dados para realizar o treinamento dos modelos (Tan et al., 2006). Atualmente, podem ser encontrados inúmeros conjuntos de dados relacionados ao meio ambiente dispostos em formatos distintos. Para citar alguns, têm=se: o Sistema de Registro Nacional e Emissões (Brasil, 2017); o Sistema de Estimativa de Emissões de Gases de Efeito Estufa por Município (SEEG, 2022); os indicadores dos municípios amazonenses relativos aos 17 Objetivos de Desenvolvimento Sustentável definidos pela Organização das Nações Unidas (Universidade Federal do Amazonas, 2019); e o Sistema de Monitoramento de Queimadas (INPE, 2020). Analisar uma grande quantidade de dados para obter informações relevantes que auxilie um tomador de decisões pode ser bastante desafiador (McAfee & Brynjolfsson, 2012). Essa tarefa pode ser mais ágil e eficaz se forem usados recursos tecnológicos baseadoss em AM (Faceli et al, 2011). Este trabalho tem o objetivo de avaliar, por meio de experimentos computacionais, o uso de modelos de AM preditivos e descritivos em conjuntos de dados sobre sustentabilidade. Todos os modelos foram implementados em Phyton versão 3.10.6 (Rossum & Drake, 2009) com a ferramenta scikirt-learn versão 1.1.2 (Pedregosa et al., 2011). Na construção dos modelos preditivos foram escolhidos os pacotes: LinearRegression, MLPRegressor, KNeighborsRegressor, DecisionTreeRegressor e RandomForestRegressor, a fim de implementar os algoritmos de AM que tiveram como parâmetros de entradas conjuntos de dados das taxas de emissões dos gases de efeito estufa e histórico de preço de carbono praticado no mercado europeu. O desempenho dos modelos preditivos foi mensurado por meio do cálculo do erro quadrático médio entre o preço predito pelos modelos e o valor verdadeiro para cada instância do conjunto de dados. Os resultados foram promissores, principalmente, quando foram usados conjuntos de dados amazônicos. Em relação aos modelos de AM descritivos foram obtidos agrupamentos que sugerem a existência de características peculiares e bem distintas na cidade de Manaus em relação aos demais municípios do Amazonas no que se refere ao contexto de sustentabilidade que, de acordo com Mikhailova (2004), é um conceito que engloba aspectos ambientais, econômicos e sociais. Os resultados do presente estudo podem ajudar os governantes na definição das prioridades de políticas públicas ambientais, que visem um crescimento econômico e um desenvolvimento social da Região Amazônica.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Departamento de Administração (DA) da Faculdade de Estudos Sociais (FES) da Universidade Federal do Amazonas (UFAM); Instituto de Ciências Matemáticas e de Computação (ICMC) da USP - São Carlos
  • 2 Instituto de Ciências Matemáticas e de Computação (ICMC) da USP - São Carlos
Eixo Temático
  • Machine Learning
Palavras-chave
Amazonas; Inteligência Artificial; crédito de carbono; Preço do Carbono