Redes neurais artificiais na estimativa da retenção de água do solo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Ciência Rural |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782014000200016 |
Resumo: | O trabalho teve como objetivo apresentar uma proposta de metodologia para estimativa da curva de retenção de água, para solos do Estado do Rio Grande do Sul, a partir do uso de redes neurais artificiais. Para o desenvolvimento do trabalho, foi montado um banco de dados com informações disponíveis na literatura, de textura e estrutura dos solos do Estado do Rio Grande do Sul. Para o desenvolvimento das redes, utilizou-se o software Matlab, no qual foram treinadas diferentes arquiteturas, variando os números de neurônios na camada de entrada e camada intermediária. A eficiência das redes foi analisada graficamente pela relação 1:1, entre os dados estimados versus os observados, por meio de indicadores estatísticos. Observou-se, a partir dos resultados, que a arquitetura com melhor capacidade preditiva foi: 4-24-7, com classificação do índice de desempenho "ótimo". Assim, pode-se inferir que o uso de redes neurais, para estimativa da curva de retenção de água no solo, é uma ferramenta com alta capacidade preditiva e que trará grande contribuição ao setor agrícola. |
id |
UFSM-2_f665599ff2c6c2246bfc27eec46856ae |
---|---|
oai_identifier_str |
oai:scielo:S0103-84782014000200016 |
network_acronym_str |
UFSM-2 |
network_name_str |
Ciência rural (Online) |
repository_id_str |
|
spelling |
Redes neurais artificiais na estimativa da retenção de água do solopedofunçõesinteligência artificialumidade do solopotencial matricialO trabalho teve como objetivo apresentar uma proposta de metodologia para estimativa da curva de retenção de água, para solos do Estado do Rio Grande do Sul, a partir do uso de redes neurais artificiais. Para o desenvolvimento do trabalho, foi montado um banco de dados com informações disponíveis na literatura, de textura e estrutura dos solos do Estado do Rio Grande do Sul. Para o desenvolvimento das redes, utilizou-se o software Matlab, no qual foram treinadas diferentes arquiteturas, variando os números de neurônios na camada de entrada e camada intermediária. A eficiência das redes foi analisada graficamente pela relação 1:1, entre os dados estimados versus os observados, por meio de indicadores estatísticos. Observou-se, a partir dos resultados, que a arquitetura com melhor capacidade preditiva foi: 4-24-7, com classificação do índice de desempenho "ótimo". Assim, pode-se inferir que o uso de redes neurais, para estimativa da curva de retenção de água no solo, é uma ferramenta com alta capacidade preditiva e que trará grande contribuição ao setor agrícola.Universidade Federal de Santa Maria2014-02-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782014000200016Ciência Rural v.44 n.2 2014reponame:Ciência Ruralinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM10.1590/S0103-84782014000200016info:eu-repo/semantics/openAccessSoares,Fátima CibeleRobaina,Adroaldo DiasPeiter,Marcia XavierRussi,Jumar LuisVivan,Gisele Aparecidapor2014-02-11T00:00:00ZRevista |
dc.title.none.fl_str_mv |
Redes neurais artificiais na estimativa da retenção de água do solo |
title |
Redes neurais artificiais na estimativa da retenção de água do solo |
spellingShingle |
Redes neurais artificiais na estimativa da retenção de água do solo Soares,Fátima Cibele pedofunções inteligência artificial umidade do solo potencial matricial |
title_short |
Redes neurais artificiais na estimativa da retenção de água do solo |
title_full |
Redes neurais artificiais na estimativa da retenção de água do solo |
title_fullStr |
Redes neurais artificiais na estimativa da retenção de água do solo |
title_full_unstemmed |
Redes neurais artificiais na estimativa da retenção de água do solo |
title_sort |
Redes neurais artificiais na estimativa da retenção de água do solo |
author |
Soares,Fátima Cibele |
author_facet |
Soares,Fátima Cibele Robaina,Adroaldo Dias Peiter,Marcia Xavier Russi,Jumar Luis Vivan,Gisele Aparecida |
author_role |
author |
author2 |
Robaina,Adroaldo Dias Peiter,Marcia Xavier Russi,Jumar Luis Vivan,Gisele Aparecida |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Soares,Fátima Cibele Robaina,Adroaldo Dias Peiter,Marcia Xavier Russi,Jumar Luis Vivan,Gisele Aparecida |
dc.subject.por.fl_str_mv |
pedofunções inteligência artificial umidade do solo potencial matricial |
topic |
pedofunções inteligência artificial umidade do solo potencial matricial |
description |
O trabalho teve como objetivo apresentar uma proposta de metodologia para estimativa da curva de retenção de água, para solos do Estado do Rio Grande do Sul, a partir do uso de redes neurais artificiais. Para o desenvolvimento do trabalho, foi montado um banco de dados com informações disponíveis na literatura, de textura e estrutura dos solos do Estado do Rio Grande do Sul. Para o desenvolvimento das redes, utilizou-se o software Matlab, no qual foram treinadas diferentes arquiteturas, variando os números de neurônios na camada de entrada e camada intermediária. A eficiência das redes foi analisada graficamente pela relação 1:1, entre os dados estimados versus os observados, por meio de indicadores estatísticos. Observou-se, a partir dos resultados, que a arquitetura com melhor capacidade preditiva foi: 4-24-7, com classificação do índice de desempenho "ótimo". Assim, pode-se inferir que o uso de redes neurais, para estimativa da curva de retenção de água no solo, é uma ferramenta com alta capacidade preditiva e que trará grande contribuição ao setor agrícola. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-02-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782014000200016 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782014000200016 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-84782014000200016 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Universidade Federal de Santa Maria |
publisher.none.fl_str_mv |
Universidade Federal de Santa Maria |
dc.source.none.fl_str_mv |
Ciência Rural v.44 n.2 2014 reponame:Ciência Rural instname:Universidade Federal de Santa Maria (UFSM) instacron:UFSM |
instname_str |
Universidade Federal de Santa Maria (UFSM) |
instacron_str |
UFSM |
institution |
UFSM |
reponame_str |
Ciência Rural |
collection |
Ciência Rural |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1749140545042644992 |