Aprendizado de Máquina Aplicado à Predição de Temperatura Ambiente com Utilização de Coordenadas Geográficas e Temperaturas Anteriores

A eficácia de um sistema de aeração depende de ser ativado quando a temperatura do ar do ambiente externo ao silo estiver menor que a temperatura da massa de grãos. Para isso a previsão de temperatura das próximas horas se torna uma variável imprescindível para uma utilização eficiente dessa técnica. Utilizando dados reais de temperatura de sete município do interior do estado de Goiás, foram treinadas uma rede neural Feed Foward e uma rede neural LSTM com o objetivo de capturar o comportamento de temperatura relacionado também as coordenadas georáficas. Os resultados mostraram que a rede neural Feed Foward apresentou erro médio de 1,42 °C para o conjunto de dados de teste, mostrando desempenho melhor que a rede LSTM para este conjunto de dados. Os resultados alcançados contribuem para a democratização da Inteligência Artificial como ferramenta para o desenvolvimento sustentável.