Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega

Detalhes bibliográficos
Autor(a) principal: Azevedo, Pedro Dinis Batista
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/17896
Resumo: Engenharia Agronómica - Hortofruticultura e Viticultura - Instituto Superior de Agronomia
id RCAP_fcf2c60ea3e906a95dfb0284263695a3
oai_identifier_str oai:www.repository.utl.pt:10400.5/17896
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da regaregabig datamachine learningdendrometriaestado hídrico da plantaEngenharia Agronómica - Hortofruticultura e Viticultura - Instituto Superior de AgronomiaO crescimento demográfico e as alterações climáticas são os dois grandes desafios à produção agrícola do século XXI. A pressão de produzir mais com menos recursos implica mudanças nos métodos de produção e na gestão eficiente de cada um. A utilização de água para rega é um dos principais motores do crescimento vegetal e a sua disponibilidade deve ser assegurada para o futuro. Para tal é necessário reduzir o desperdício e garantir que a rega aplicada é adequada à necessidade das plantas ao longo do ciclo cultural. A evolução das tecnologias de comunicação e recolha de dados no campo (sensores de humidade do solo, dendrómetros, etc) permitem criar uma nova dinâmica entre o agricultor e a informação disponível para a tomada de decisão. Neste trabalho tirou-se partido do grande volume de dados disponível numa parcela de olival superintensivo, monitorizada por uma rede sensorial onde se incluía um dendrómetro e uma sonda de humidade do solo. A partir dos dados meteorológicos e sensoriais, recolhidos ao longo de dois anos, procurou-se encontrar uma relação entre os índices derivados da dendrometria e o estado hídrico da planta, utilizando posteriormente esta relação para construir dois algoritmos, uma rede neuronal (ANN) e uma floresta de decisão aleatória (FDA) que consigam prever com base em variáveis de simples obtenção o valor do índice e inferir por essa via o estado hídrico da planta. A rede neuronal foi depois utilizada como parte de um sistema de aprendizagem reforçada, onde um algoritmo aprendeu a regar autonomamente com base em 0, a evolução do armazenamento de água no solo e os resultados do algoritmo preditivo obtido pela análise da dendrometria. Os resultados obtidos mostram que as técnicas de “Big Data” e ML são adequadas à análise de dados recolhidos no campo, e à criação de ferramentas de apoio à decisãoISA/ULFerreira, Maria Isabel RibeiroRepositório da Universidade de LisboaAzevedo, Pedro Dinis Batista2019-05-21T10:28:37Z20182018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/17896porAzevedo, P.D.B. - Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega. Lisboa: ISA, 2018, 91 p.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:47:32Zoai:www.repository.utl.pt:10400.5/17896Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:03:02.782898Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
title Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
spellingShingle Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
Azevedo, Pedro Dinis Batista
rega
big data
machine learning
dendrometria
estado hídrico da planta
title_short Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
title_full Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
title_fullStr Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
title_full_unstemmed Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
title_sort Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega
author Azevedo, Pedro Dinis Batista
author_facet Azevedo, Pedro Dinis Batista
author_role author
dc.contributor.none.fl_str_mv Ferreira, Maria Isabel Ribeiro
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Azevedo, Pedro Dinis Batista
dc.subject.por.fl_str_mv rega
big data
machine learning
dendrometria
estado hídrico da planta
topic rega
big data
machine learning
dendrometria
estado hídrico da planta
description Engenharia Agronómica - Hortofruticultura e Viticultura - Instituto Superior de Agronomia
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-01-01T00:00:00Z
2019-05-21T10:28:37Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.5/17896
url http://hdl.handle.net/10400.5/17896
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Azevedo, P.D.B. - Aplicações de Big Data e algoritmos de Machine Learning à gestão inteligente da rega. Lisboa: ISA, 2018, 91 p.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv ISA/UL
publisher.none.fl_str_mv ISA/UL
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131120477929472

Registros relacionados