PREDIÇÃO DE CONSUMO DE COMBUSTÍVEL DE EMBARCAÇÕES DA AMAZÔNIA VIA MACHINE LEARNING
Amazônia; modelo de seleção de atributos; machine learning; embarcação; consumo de combustível; predição.
Estima-se que cerca de 2/3 dos custos operacionais, quando em referência ao modal aquaviário, dizem respeito ao consumo de combustível da embarcação. Sob tal motivação, este trabalho tem como principal objetivo desenvolver um modelo de predição analítica de consumo de combustível de embarcações operantes na região amazônica via machine learning, enfatizando os atributos que mais impactam a variável-alvo, se físicos, construtivos ou operacionais e a relação existente entre eles. Primeiramente, ocorreu o levantamento do banco de dados e pré processamento dos registros, estabelecendo um padrão geral ao qual devem estar ajustados, de modo a garantir o desempenho ótimo da análise dos dados. O uso dos Algoritmos de Importância dos Atributos, teve, como finalidade, elencar os parâmetros de maior influência sobre o consumo de combustível, proporcionando também uma análise local dos registros acerca de cada atributo e a correlação das variáveis entre si. À posteriori, foram aplicados seis algoritmos de machine learning para extração dos padrões e desenvolvimento do modelo vencedor, avaliado de acordo com métricas de desempenho como EAM, QME, EQM e R 2 . Por fim, tornou-se possível a investigação acerca das principais peculiaridades concernentes ao espaço amostral de embarcações contido na região amazônica, além de comprovação da eficiência proporcionada pelos modelos de aprendizado de máquina, tendo sido projetado um modelo preditivo cujo coeficiente de determinação dita 91%, atendendo boa parte da aplicação proposta.