Técnicas de aprendizaje automático para predecir la cantidad diaria de lluvia

Resumen Predecir la cantidad de lluvia diaria mejora la productividad agrícola y asegura el suministro de alimentos y agua para mantener saludables a los ciudadanos. Para predecir la lluvia, se han realizado varios tipos de investigaciones utilizando técnicas de minería de datos y aprendizaje automático en los conjuntos de datos ambientales de diferentes países. Una distribución errática de la lluvia en el país afecta la agricultura de la cual depende la economía del país. Se debe planificar y practicar un uso adecuado del agua de lluvia en el país para minimizar el problema de la sequía y las inundaciones que ocurren en el país. El objetivo principal de este estudio es identificar las características atmosféricas relevantes que causan lluvia y predecir la intensidad de la lluvia diaria utilizando técnicas de aprendizaje automático. La técnica de correlación de Pearson se utilizó para seleccionar variables ambientales relevantes que se usaron como entrada para el modelo de aprendizaje automático. El conjunto de datos se recopiló de la oficina meteorológica local en la ciudad de Bahir Dar, Etiopía, para medir el rendimiento de tres técnicas de aprendizaje automático (Regresión Lineal Multivariante, Bosque Aleatorio y Aumento de Gradiente Extremo). Se utilizaron métodos de error cuadrático medio y error absoluto medio para medir el rendimiento del modelo de aprendizaje automático. El resultado del estudio reveló que el algoritmo de aprendizaje automático de Aumento de Gradiente Extremo tuvo un mejor desempeño que los otros.