Dissertação

{pt_PT=Previsão de biotoxinas marinhas em moluscos bivalves baseada em aprendizagem automática} {} EVALUATED

{pt=O controlo e monitorização de biotoxinas marinhas em moluscos bivalves constituem uma tarefa importante e complexa que tem como objetivo a prevenção de intoxicações por consumo de bivalves e a proteção do setor de produção. Dentro deste contexto, nasce a necessidade de detetar e prever valores de biotoxinas em bivalves acima dos limites regulamentares, com vista a uma atempada previsão da interdição da colheita de bivalves e minimização dos impactos negativos no setor de produção. Atualmente, têm sido utilizadas diversas técnicas baseadas em aprendizagem automática para detetar valores discrepantes ou prever valores em séries temporais. Estas técnicas, de base estatística, têm sido muito utilizadas devido à sua precisão, escolha do modelo e ajustamento, tarefas que definem a qualidade da previsão. No entanto, para uma adequada aplicação e interpretação dos modelos, são de extrema importância num processo de previsão os passos de conhecimento dos dados,pré-processamento, escolha do modelo,validação e visualização. Neste trabalho, são apresentadas as principais técnicas utilizadas em vários ramos da ciência para previsão a médio e longo prazo de séries temporais, com o objetivo de prever as biotoxinas presentes em moluscos bivalves em Portugal. É apresentada uma proposta de desenvolvimento de uma ferramenta englobando todos os passos enumerados. São ainda apresentados resultados preliminares da aplicação do Modelo Integrado Misto Autorregressivo de Médias Móveis (ARIMA), Modelo Vector Autorregressivo (VAR),Modelo Vector Autorregressivo de Médias Móveis (VARMA),Redes Neuronais Autorregressivas (NNAR) e Redes Neuronais Recorrentes (RNN) aos dados de biotoxinas de 2014 a 2018 fornecidos pelo Instituto Português de Mar e Atmosfera (IPMA)., en=The control and monitoring of marine biotoxins in bivalve molluscs is an important and complex task aimed at preventing bivalve poisoning and protecting the production sector. Within this context, the need arises to detect and predict values of biotoxins in bivalves above regulatory limits, with a view to timely forecasting the bivalve harvest ban and minimizing negative impacts on the production sector. Currently, several techniques based on automatic learning have been used to detect outliers or predict values in time series. These statistically based techniques have been widely used because of their precision, model choice and fit, important tasks that define the quality of the forecast. However, for proper application and interpretation of the models, the steps of data knowledge, preprocessing, choosing the appropriate model, validation and visualization are extremely important in a monitoring and forecasting process. In this work, we present the main techniques and models used in various branches of science for medium and long term forecasting of time series, aiming to predict marine biotoxins present in bivalve molluscs in Portugal. A proposal for developing a web or local tool covering all the steps listed is presented. Preliminary results of the application of the Integrated Autoregressive Mixed Moving Average Model (ARIMA), Autoregressive Vector Model (VAR), Autoregressive Moving Vector Model (VARMA), Autoregressive Neuronal Networks (NNAR) and Recurrent Neuronal Networks (RNN) to 2014-2018 biotoxin data provided by the Portuguese Institute of Sea and Atmosphere (IPMA) are presented.}
{pt=Aprendizagem Automática, Series Temporais, Bivalves, Biotoxinas Marinhas., en=Machine Learning, Time Series, Bivalves, Marine Biotoxins.}

Novembro 18, 2019, 16:30

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Pedro José Conde Reis Costa

IPMA - Instituto Português do Mar e da Atmosfera

Professor Auxiliar