Progressively monitoring water quality is crucial, as aquatic contaminants can pose risks to human health and other organisms. Machine learning can support the development of new effective tools for water monitoring, including the detection of algal blooms from remotely sensed image series. Therefore, in this paper, we introduce the Algal Bloom Forecast (ABF) framework, a fully automated framework for algal bloom prediction in inland water bodies. Our approach combines machine learning, time series of remotely sensed products (i.e., Moderate-Resolution Imaging Spectroradiometer (MODIS) images), environmental data and spectral indices to build anomaly detection models that can predict the occurrence of algal bloom events in the posterior period. Our assessments focused on the application of the ABF framework equipped with the support vector machine (SVM), random forest (RF), and long short-term memory (LSTM) methods, the outcomes of which were compared through different evaluation metrics such as global accuracy, the kappa coefficient, F1-Score and R2-Score. Case studies covering the Erie (USA), Chilika (India) and Taihu (China) lakes are presented to demonstrate the effectiveness and flexibility of our learning approach. Based on comprehensive experimental tests, we found that the best algal bloom predictions were achieved by bringing together the ABF design with the RF model.

No abstract

OBJETIVO: Com a difícil missão de estabelecer valores adequados para os serviços prestados em Odontologia, e frente a uma carência de informações específicas na literatura de classe acerca desse assunto, o objetivo do presente trabalho foi o esenvolvimento de uma ferramenta referencial para elaboração de valores, útil e simplificada, na forma de um aplicativo web, a fim de guiar uma correta precificação em Ortodontia. MÉTODOS: Serão apresentadas as variáveis que têm influência direta ou indireta no processo de formação dos preços, alocadas dentro de um programa de dados, criado em parceria com a Diretoria Técnica de Informática da Universidade Estadual Paulista. RESULTADOS: Desenvolveu-se a FREVO (Ferramenta Referencial para Elaboração de Valores em Ortodontia), que facilita, na prática, a definição dos honorários, de forma adaptável ao perfil de cada profissional, cliente e tipo de consultório, com uma sugestão final de valores, que sejam justificados com mais clareza, sem grandes divergências e com transparência, na prestação dos serviços ortodônticos. CONCLUSÃO: Tendo em vista a expressiva falta na literatura odontológica sobre o tema precificação, a utilização de aplicativos como o FREVO agiliza o cálculo do valor dos serviços a serem prestados.