Estimativa da produtividade de soja com redes neurais artificiais
AUTOR(ES)
Alves, Guiliano Rangel, Teixeira, Itamar Rosa, Melo, Francisco Ramos, Souza, Raniele Tadeu Guimarães, Silva, Alessandro Guerra
FONTE
Acta Sci., Agron.
DATA DE PUBLICAÇÃO
29/03/2018
RESUMO
RESUMO. Para estimar a produtividade de muitas culturas, incluído a soja, são utilizados modelos estatísticos complexos, que torna restrito o acesso a essa prática. Uma alternativa a estes modelos é a utilização de sistemas computacionais empregando Redes Neurais Artificiais (RNA). Este trabalho teve por objetivo estimar a produtividade da soja baseada nos hábitos de crescimento, densidade de semeadura e características agronômicas usando RNA do tipo Multilayer Perceptron (MLP). Para isto foram utilizados dados agronômicos da cultura da soja obtidos em experimento conduzido na safra 2013/2014 em Anápolis, Estado de Goiás, Brasil, cujos dados foram normalizados em intervalo compatível para trabalho com RNA e em seguida feito o treinamento de várias RNAs para a escolha da RNA com melhor performance. Após o treinamento das redes, foi realizada a análise de performance para seleção da RNA com a performance mais adequada ao problema. A RNA selecionada apresentou um índice de acerto de 98% com os dados do treinamento e um acerto de 72% com dados de validação. A aplicação das RNAs do tipo MLP nos dados do experimento conduzido demonstram que é possível estimar a produtividade da soja baseando-se nas características agronômicas, hábito de crescimento e densidade populacional por meio da IA.
ASSUNTO(S)
glycine max (l.) merrill características agronômicas modelagem mlp perceptron
Documentos Relacionados
- Estimativa da evapotranspiração de referência através de redes neurais artificiais
- Redes neurais artificiais na estimativa da retenção de água do solo
- Estimativa da evapotranspiração potencial no estado do Maranhão utilizando redes neurais artificiais
- Predição da produtividade de palma forrageira ‘Gigante’ por caracteres morfológicos e redes neurais artificiais
- Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais