MVP – Previsão de Chuva (vai chover amanhã?) · Lajeado/RS

Projeto de Machine Learning & Analytics que prevê a ocorrência de chuva no dia seguinte a partir de dados meteorológicos históricos reais. É a continuação aplicada do meu TCC (plataforma Ricarol), onde a previsão de chuva ajusta automaticamente prazos de contratos sensíveis ao clima.

Autor: João Victor de Assis Natividade

---

Contexto e problema

Saber com antecedência se vai chover permite ajustar decisões operacionais — no caso do TCC, personalizar o prazo de contratos que dependem do clima. O problema é tratado como classificação binária supervisionada sobre uma série temporal:

• Alvo: rain_tomorrow → 1 se a precipitação do dia seguinte for > 1 mm, senão 0.
• Entrada: condições meteorológicas observadas no dia corrente + sinais de sazonalidade.

Prever chuva a um dia, usando apenas dados diários agregados de uma única localidade, é um problema genuinamente difícil. As métricas obtidas são modestas e realistas — fruto de uma avaliação honesta, sem vazamento de dados.

Dados

• Fonte: Open-Meteo Historical Weather API (reanálise ERA5).
• Licença: CC BY 4.0, dados públicos.
• Local: Lajeado/RS (lat −29.4669, lon −51.9644).
• Período: 01/01/2019 a 31/05/2026 (2.708 observações diárias, ~7,4 anos).
• Variáveis: temperatura média/mín/máx, precipitação, umidade relativa, pressão à superfície e velocidade do vento (todas reais — nenhuma feature sintética).

O notebook baixa os dados sozinho via URL pública e roda do início ao fim.

Metodologia

1. EDA — tipos, ausentes, estatísticas, distribuição do alvo, sazonalidade mensal e matriz de correlação, cada visualização acompanhada de análise textual.
2. Preparação — features de sazonalidade (seno/cosseno do dia do ano) e de memória de curto prazo; normalização ajustada somente no treino.
3. Divisão temporal — últimos 12 meses como teste (dados nunca vistos); ordem cronológica preservada.
4. Baselines — persistência ("amanhã = hoje") e classe majoritária.
5. Modelos — Regressão Logística, Random Forest, Gradient Boosting e Rede Neural Densa (TensorFlow).
6. Otimização — GridSearchCV com TimeSeriesSplit (validação cruzada que respeita o tempo), critério F1.
7. Avaliação — acurácia, precisão, recall, F1 (principal), AUC, matriz de confusão, curva ROC, curvas de aprendizado e análise de erros.

Cuidados contra vazamento de dados

• O alvo é a chuva futura (dia seguinte), nunca observada entre as features.
• O StandardScaler é ajustado apenas no conjunto de treino.
• A validação cruzada do tuning é temporal (sem look-ahead).

Resultados

Conjunto de teste: últimos 365 dias (31/05/2025 → 30/05/2026), nunca vistos no treino. A métrica principal é o F1 (mais informativo que acurácia sob desbalanceamento de 61,8% / 38,2%).

Modelo	F1	Acurácia	AUC
Rede Neural (MLP)	~0,63–0,65	~0,68–0,69	~0,75
Random Forest (otimizada)	~0,63–0,65	~0,68–0,70	~0,77
Gradient Boosting	~0,60–0,65	~0,68–0,71	~0,75–0,78
Regressão Logística	~0,60	~0,66	~0,74
Random Forest	~0,59	~0,72	~0,78
Baseline: persistência	0,578	0,660	—
Baseline: classe majoritária	0,000	0,597	—

Empate técnico no topo: Rede Neural (MLP) e Random Forest otimizada, ambas com F1 em torno de 0,63–0,65, superando o baseline de persistência (0,578) de forma consistente. O ganho é modesto, o que reflete a dificuldade real de prever chuva a um dia com dados diários: a inércia do clima (persistência) já é um baseline forte. As duas têm perfis complementares — a MLP tende a recall mais alto (captura mais chuvas), a Random Forest otimizada a precisão mais alta (menos alarmes falsos) —, e a escolha de negócio depende do custo relativo de cada erro. O fato de duas famílias de modelos distintas convergirem ao mesmo patamar reforça que esse é o limite do sinal disponível.

Nota sobre reprodutibilidade. As seeds são fixadas no notebook, mas redes neurais partem de uma inicialização estocástica; por isso o vencedor por F1 pode alternar entre a MLP e a Random Forest otimizada a cada execução, por margens de ~1–2 pontos. Os valores acima são apresentados em faixas por esse motivo.

Principais achados da EDA: a chuva tem sazonalidade clara (de ~26% de dias chuvosos em julho a ~48% em janeiro) e seus preditores isolados mais fortes são a pressão à superfície e a temperatura mínima — não a umidade, como inicialmente hipotetizado.

Como executar

1. Abra o Google Colab.
2. Arquivo → Fazer upload de notebook → selecione MVP_Previsao_Chuva_PUC.ipynb.
3. Ambiente de execução → Executar tudo (Ctrl+F9).

Não é necessário instalar nada nem fazer upload de dados: as bibliotecas já vêm no Colab e os dados são baixados via URL pública.

Bibliotecas

pandas, numpy, requests, matplotlib, scikit-learn, tensorflow (todas pré-instaladas no Colab).

Estrutura

.
├── MVP_Previsao_Chuva_PUC.ipynb   # notebook principal (executável de ponta a ponta)
└── README.md                       # este arquivo

Limitações e próximos passos

• Resolução diária (perde dinâmica intradiária) e uma única localidade.
• Horizonte de 1 dia.
• Próximos passos: dados horários; janelas de defasagem mais longas; modelos de sequência (LSTM/GRU); usar a previsão operacional do Open-Meteo como feature; calibrar o limiar de decisão conforme o custo real de falsos positivos vs. negativos.