Utilize este identificador para referenciar este registo: https://hdl.handle.net/10216/88555
Registo completo
Campo DCValorIdioma
dc.creatorRui Miguel Cruz Soares Pinto
dc.date.accessioned2025-11-13T15:48:38Z-
dc.date.available2025-11-13T15:48:38Z-
dc.date.issued2016-07-05
dc.date.submitted2016-06-27
dc.identifier.othersigarra:140721
dc.identifier.urihttps://hdl.handle.net/10216/88555-
dc.descriptionNo negócio de produção de vinhos a variabilidade do clima é uma das condicionantes mais importantes, sendo o aspeto mais crítico no que diz respeito ao processo de amadurecimento do fruto de maneira a que este possua as caracteristicas necessárias para a produção de um bom vinho. Acrescentando a esse fator, as variações climáticas têm conseqûencias nefastas não só para os trabalhadores dessa área como também nos terrenos utilizados para as vinhas. A realização de uma boa previsão e análise estatística das produções vinícolas anteriores podem ajudar empresas a poupar dinheiro e a preservar o ambiente. Assim, como possíveis soluções surgem diferentes alternativas para o processamento dos "datasets" de produção vinicola de anos passados e posterior análise, conseguindo assim identificar os diferentes componentes climáticos e os seus impactos na produção de vinhos. A solução será baseada na premissa de "Machine Learning" que consiste na construção de um modelo baseando-se nos dados já existentes fornecidos pelo "dataset"[3] , de forma a conseguir agrupar os dados de teste semelhantes em subgrupos de acordo com as suas características, para conseguir este resultado serão usadas Árvores de decisão, especificamente "Regression Trees" que consistem numa forma de fácil interpretação e compreensão do processo de agrupamento de subgrupos. Este processo evidenciaria a relação existente entre as séries meteorólogicas e o seu impacto na produção vinicola. A solução presente nesta dissertação é baseada na premissa de machine learning e visa inovar no sentido de aplicar o conceito de árvores de decisão a múltiplas séries temporais, tendo como objetivo identificar subgrupos de dados e agrupando-os em classes
dc.description.abstractIn the wine production business climate variability is one of the most critical conditions, being essential in regards to the process of ripening fruits so that it possesses the required characteristics to produce a good wine. Adding to this factor, the climatic variations have disastrous consequences not only for wine producers and workers but also for the land used for vineyards. Performing a good forecasting and statistical analysis of the wineries previous productions can help businesses save money and preserve the environment. In regards to this problem, new solutions arise for the processing of "datasets" based on data from winery production of past years and with further analysis, it is possible to achieve and identify the different climatic components and their impact on wine production. The solution would be based on the premise of "Machine Learning" consisting in building a model based on existing data provided by the"Dataset" [3] in order to be able to group similar data into subgroups according to its characteristics, making use of Decision trees, more specifically Regression trees to perform the grouping. This process would demonstrate the relationship between the meteorological series and its impact on winery production. The solution presented is an easy to understand way to represent grouping of data. The main goal of this thesis is to establish the impact of the different climacteric conditions (temperature, precipitation) in wine production. The solution in this dissertation is based on the premise of machine learning and aims to innovate in order to apply the concept of decision trees to multiple time series, aiming to identify subgroups of data and grouping them into classes.
dc.language.isopor
dc.rightsopenAccess
dc.subjectCiências da engenharia e tecnologias
dc.subjectEngineering and technology
dc.titleEvaluating the impact of climatic variability in wine production
dc.typeDissertação
dc.contributor.uportoFaculdade de Engenharia
dc.identifier.doi10.34626/z0es-0z98
dc.identifier.tid201319624
dc.subject.fosCiências da engenharia e tecnologias
dc.subject.fosEngineering and technology
thesis.degree.disciplineMestrado Integrado em Engenharia Informática e Computação
thesis.degree.grantorFaculdade de Engenharia
thesis.degree.grantorUniversidade do Porto
thesis.degree.level1
Aparece nas coleções:FEUP - Dissertação

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
140721.pdfEvaluating the impact of climatic variability in wine production706.64 kBAdobe PDFThumbnail
Ver/Abrir


Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.