Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.

Detalhes bibliográficos
Autor(a) principal: LAZZARETTI, A. T.
Data de Publicação: 2023
Outros Autores: SCHNEIDER, V. R., WIEST, R., LAU, D., FERNANDES, J. M. C., FRAISSE, C. W., CERBARO, V. A., KARREI, M. Z.
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
Texto Completo: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159411
https://doi.org/10.5335/rbca.v15i3.13467
Resumo: Resumo: Os insetos ao atingirem um determinado nível populacional podem causar danos às plantas, sendo considerados pragas. Afídeos ou pulgões apresentam um alto potencial biótico e podem causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperatura interferem no crescimento populacional destes insetos. Este trabalho aplicou diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis meteorológicas e a dinâmica populacional dos afídeos. Foram implementados 4 (quatro) modelos obtendo-se as acurácias de 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest. Abstract: Insects have an important degree of collaboration for the maintenance of the ecosystem on the planet. However, after reaching a certain population level and causing damage to plants, some insects are considered as pests and represent a threat to agriculture. Aphids insects that has characteristics to reach this state as it has a high biotic potential and can cause different types of damage to plants. Climatic data as precipitation, winds and temperatures affect the population quantity of these insects. Therefore, this work proposes to apply different machine learning techniques with the objective to verify the existing correlation between climatic variables and the population dynamics of aphids. It can be concluded that variables such as precipitation, temperature, number of days when it rains in the week and climatic phenomena such as El niño and La niña have an influence on the aphid population. During the work, four models were developed in order to predict the population of these insects. The accuracy of the prediction model developed were 11.4% for Linear Regression; 26.4% for the Artificial Neural Network model; 29.3% for Decision Tree and 41.4% for Random Forest.
id EMBR_f5f66e34ce2610b12e08decf0f99ff95
oai_identifier_str oai:www.alice.cnptia.embrapa.br:doc/1159411
network_acronym_str EMBR
network_name_str Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
repository_id_str 2154
spelling Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.Árvore de decisãoExtração de conhecimentoRedes Neurais ArtificiaisArtificial neural networksDecision treeExploratory DataKnowledge extractionLinear RegressionRandom ForestPraga de PlantaPulgãoAfídeoAnálise de DadosRegressão LinearPlants (botany)Plant pestsResumo: Os insetos ao atingirem um determinado nível populacional podem causar danos às plantas, sendo considerados pragas. Afídeos ou pulgões apresentam um alto potencial biótico e podem causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperatura interferem no crescimento populacional destes insetos. Este trabalho aplicou diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis meteorológicas e a dinâmica populacional dos afídeos. Foram implementados 4 (quatro) modelos obtendo-se as acurácias de 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest. Abstract: Insects have an important degree of collaboration for the maintenance of the ecosystem on the planet. However, after reaching a certain population level and causing damage to plants, some insects are considered as pests and represent a threat to agriculture. Aphids insects that has characteristics to reach this state as it has a high biotic potential and can cause different types of damage to plants. Climatic data as precipitation, winds and temperatures affect the population quantity of these insects. Therefore, this work proposes to apply different machine learning techniques with the objective to verify the existing correlation between climatic variables and the population dynamics of aphids. It can be concluded that variables such as precipitation, temperature, number of days when it rains in the week and climatic phenomena such as El niño and La niña have an influence on the aphid population. During the work, four models were developed in order to predict the population of these insects. The accuracy of the prediction model developed were 11.4% for Linear Regression; 26.4% for the Artificial Neural Network model; 29.3% for Decision Tree and 41.4% for Random Forest.ALEXANDRE TAGLIARI LAZZARETTI, Instituto Federal Sul-Riograndense; VINICIUS RAFAEL SCHNEIDER, Instituto Federal Sul-Riograndense; ROBERTO WIEST, Instituto Federal Sul-Riograndense; DOUGLAS LAU, CNPT; JOSE MAURICIO CUNHA FERNANDES, CNPT; CLYDE W. FRAISSE, Universidade da Flórida; VINÍCIUS ANDREI CERBARO, Universidade da Flórida; MAURÍCIO Z. KARREI, Universidade da Flórida.LAZZARETTI, A. T.SCHNEIDER, V. R.WIEST, R.LAU, D.FERNANDES, J. M. C.FRAISSE, C. W.CERBARO, V. A.KARREI, M. Z.2023-12-11T12:34:02Z2023-12-11T12:34:02Z2023-12-112023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleRevista Brasileira de Computação Aplicada, v. 15, n. 3, p. 25-37, nov. 2023.http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159411https://doi.org/10.5335/rbca.v15i3.13467porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPA2023-12-11T12:34:02Zoai:www.alice.cnptia.embrapa.br:doc/1159411Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestopendoar:21542023-12-11T12:34:02falseRepositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542023-12-11T12:34:02Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false
dc.title.none.fl_str_mv Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
title Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
spellingShingle Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
LAZZARETTI, A. T.
Árvore de decisão
Extração de conhecimento
Redes Neurais Artificiais
Artificial neural networks
Decision tree
Exploratory Data
Knowledge extraction
Linear Regression
Random Forest
Praga de Planta
Pulgão
Afídeo
Análise de Dados
Regressão Linear
Plants (botany)
Plant pests
title_short Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
title_full Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
title_fullStr Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
title_full_unstemmed Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
title_sort Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.
author LAZZARETTI, A. T.
author_facet LAZZARETTI, A. T.
SCHNEIDER, V. R.
WIEST, R.
LAU, D.
FERNANDES, J. M. C.
FRAISSE, C. W.
CERBARO, V. A.
KARREI, M. Z.
author_role author
author2 SCHNEIDER, V. R.
WIEST, R.
LAU, D.
FERNANDES, J. M. C.
FRAISSE, C. W.
CERBARO, V. A.
KARREI, M. Z.
author2_role author
author
author
author
author
author
author
dc.contributor.none.fl_str_mv ALEXANDRE TAGLIARI LAZZARETTI, Instituto Federal Sul-Riograndense; VINICIUS RAFAEL SCHNEIDER, Instituto Federal Sul-Riograndense; ROBERTO WIEST, Instituto Federal Sul-Riograndense; DOUGLAS LAU, CNPT; JOSE MAURICIO CUNHA FERNANDES, CNPT; CLYDE W. FRAISSE, Universidade da Flórida; VINÍCIUS ANDREI CERBARO, Universidade da Flórida; MAURÍCIO Z. KARREI, Universidade da Flórida.
dc.contributor.author.fl_str_mv LAZZARETTI, A. T.
SCHNEIDER, V. R.
WIEST, R.
LAU, D.
FERNANDES, J. M. C.
FRAISSE, C. W.
CERBARO, V. A.
KARREI, M. Z.
dc.subject.por.fl_str_mv Árvore de decisão
Extração de conhecimento
Redes Neurais Artificiais
Artificial neural networks
Decision tree
Exploratory Data
Knowledge extraction
Linear Regression
Random Forest
Praga de Planta
Pulgão
Afídeo
Análise de Dados
Regressão Linear
Plants (botany)
Plant pests
topic Árvore de decisão
Extração de conhecimento
Redes Neurais Artificiais
Artificial neural networks
Decision tree
Exploratory Data
Knowledge extraction
Linear Regression
Random Forest
Praga de Planta
Pulgão
Afídeo
Análise de Dados
Regressão Linear
Plants (botany)
Plant pests
description Resumo: Os insetos ao atingirem um determinado nível populacional podem causar danos às plantas, sendo considerados pragas. Afídeos ou pulgões apresentam um alto potencial biótico e podem causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperatura interferem no crescimento populacional destes insetos. Este trabalho aplicou diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis meteorológicas e a dinâmica populacional dos afídeos. Foram implementados 4 (quatro) modelos obtendo-se as acurácias de 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest. Abstract: Insects have an important degree of collaboration for the maintenance of the ecosystem on the planet. However, after reaching a certain population level and causing damage to plants, some insects are considered as pests and represent a threat to agriculture. Aphids insects that has characteristics to reach this state as it has a high biotic potential and can cause different types of damage to plants. Climatic data as precipitation, winds and temperatures affect the population quantity of these insects. Therefore, this work proposes to apply different machine learning techniques with the objective to verify the existing correlation between climatic variables and the population dynamics of aphids. It can be concluded that variables such as precipitation, temperature, number of days when it rains in the week and climatic phenomena such as El niño and La niña have an influence on the aphid population. During the work, four models were developed in order to predict the population of these insects. The accuracy of the prediction model developed were 11.4% for Linear Regression; 26.4% for the Artificial Neural Network model; 29.3% for Decision Tree and 41.4% for Random Forest.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-11T12:34:02Z
2023-12-11T12:34:02Z
2023-12-11
2023
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv Revista Brasileira de Computação Aplicada, v. 15, n. 3, p. 25-37, nov. 2023.
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159411
https://doi.org/10.5335/rbca.v15i3.13467
identifier_str_mv Revista Brasileira de Computação Aplicada, v. 15, n. 3, p. 25-37, nov. 2023.
url http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159411
https://doi.org/10.5335/rbca.v15i3.13467
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron:EMBRAPA
instname_str Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron_str EMBRAPA
institution EMBRAPA
reponame_str Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
collection Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
repository.name.fl_str_mv Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
repository.mail.fl_str_mv cg-riaa@embrapa.br
_version_ 1794503553273823232