FenixEdu™

Dissertação

Comparative analysis of machine learning models for time-series forecasting of Escherichia coli contamination in Portuguese shellfish production areas EVALUATED

Detalhes: A cultura e colheita de marisco têm vindo a registar um aumento de popularidade nos últimos anos. No entanto, a presença de bactérias fecais pode contaminar o marisco, representando um risco para a saúde humana. Isto pode resultar na reclassificação de áreas de produção de marisco ou mesmo na proibição da apanha, conduzindo a perdas económicas significativas. Portanto, é crucial estabelecer estratégias eficazes para prever a contaminação de marisco pela bactéria Escherichia coli (E. coli). Nesta tese, vários modelos univariados e multivariados de previsão de séries temporais foram investigados para abordar este problema. Estes modelos incluem o modelo auto-regressivo integrado de médias móveis (ARIMA), o vetor autorregressivo (VAR), random forest e redes neurais artificiais (ANN), como as redes feed forward (FFNN) e de memória de longo e curto prazo (LSTM). Os dados utilizados nesta tese consistiram tanto em medições de concentrações de E. coli como em variáveis meteorológicas, fornecidas pelo Instituto Português do Mar e da Atmosfera (IPMA) relativamente a três áreas de produção de marisco. Em geral, os modelos autoregressivos alcançaram o menor erro quadrático médio (RMSE) e bons resultados de classificação em todas as experiências. Além disso, as ANNs multivariadas superaram as univariadas, com uma FFNN multivariada a obter uma taxa verdadeiro-positivo (TPR) de 1 e uma taxa verdadeiro-negativo (TNR) de 0,75 numa área. Este trabalho representa os passos iniciais na procura de modelos de previsão candidatos para ajudar o sector de produção de marisco a antecipar proibições de apanha e, assim, apoiar decisões de gestão e regulação.
Keywords: Séries Temporais, Previsão, Contaminação de Bivalves, E. coli

Discussão: novembro 30, 2023, 15:30