PREVIS ˜ AO DO DESLOCAMENTO DE TEMPESTADES SEVERAS: ABORDAGENS POR APRENDIZADO DE M ´ AQUINA Nicole Amanda Rozin Paulo Henrique Siqueira nicole.rozin.simepar@gmail.com paulohs@gmail.com Universidade Federal do Panan´ a Cesar Augustus Assis Beneti Jorge Vin´ ıcius Ruviaro Bonato cesar.beneti@simepar.br jorge.ruviaro.simepar@gmail.com Sistema Meteorol ´ ogico do Paran´ a Rua Francisco H. dos Santos, 210 - Jardim das Americas, 81531-980, Curitiba, Paran´ a, Brasil Resumo. No Brasil, a principal atividade econˆ omica ´ e a agroind´ ustria, um setor vulner´ avel a precipitac ¸˜ ao e eventos relacionados. Nesse contexto, a previs˜ ao de tempestades severas pos- sibilita a tomada de decis˜ oes e medidas operacionais para mitigar danos, uma vez que esses eventos podem afetar a economia e apresentar riscos a vida humana. Esse projeto objetiva estudar o uso de t´ ecnicas de aprendizado de m´ aquina para a previs˜ ao do deslocamento desses fenˆ omenos a curt´ ıssimo prazo. Esses m´ etodos s˜ ao capazes de entender e aprender com suas caracter´ ısticas e seus relacionamentos. Al´ em disso, uma vez que o modelo ´ e aprendido por ferramentas de Aprendizado de M´ aquina, o processamento das novas entradas ocorre rapida- mente. Foram selecionadas nove t´ ecnicas de regress˜ ao, todas utilizando caracter´ ısticas das tempestades como entrada. O desempenho dessas t´ ecnicas fora avaliado de acordo com os dados reais observados e das previs˜ oes do Titan para o mesmo per´ ıodo de dados. O estudo verificou que ferramentas de Aprendizado de M´ aquina s˜ ao abordagens promissoras ao pro- blema proposto, visto que apresentaram resultados semelhantes e at´ e mesmo melhores que o Titan para estimar as pr´ oximas posic ¸˜ oes de uma tempestade, utilizando um n´ umero menor de caracter´ ısticas de entrada. Keywords: Aprendizado de M´ aquina, Previs˜ ao, Tempestades, Regress˜ ao CILAMCE 2017 Proceedings of the XXXVIII Iberian Latin-American Congress on Computational Methods in Engineering R.H. Lopez, L.F.F. Miguel, P.O. Farias (Editor), ABMEC, Florianpolis, SC, Brazil, November 5-8, 2017