Estimativa da produtividade da soja com redes neurais artificiais

• Autor(a) principal: Alves, Guiliano Rangel
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital Brasileira de Teses e Dissertações da UEG
• Texto Completo: http://www.bdtd.ueg.br/tede/handle/tede/209
• topic: Glycine max; Características agronômicas; MLP; perceptron; Agronomic characteristics; MLP; Perceptron; Glycine max; CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA

Atualmente, para estimar a produtividade da 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 Inteligência Artificial (IA). Nesta linha de sistemas, um caminho é o emprego de Redes Neurais Artificiais (RNA), que possui a capacidade de aprendizagem por meio de exemplos de problemas apresentados. Este trabalho teve por objetivo: avaliar a possibilidade da utilização de RNA do tipo Multilayer Perceptron (MLP) para estimar a produtividade da soja baseada nos hábitos de crescimento, densidade de semeadura e características agronômicas; definir os parâmetros relevantes durante o desenvolvimento da RNA para avaliação das características agronômicas e sua relação com a produtividade da soja; desenvolver e selecionar uma arquitetura de RNA para solução do problema proposto. Para realizar o trabalho foram utilizados dados agronômicos da cultura da soja obtidos em experimento conduzido na safra 2013/2014 em Anápolis-GO, cujos os 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 de cada uma 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, este nível de acerto pode ser considerado alto, principalmente se for considerada a complexidade de fatores envolvidos na estimativa da produtividade da soja. 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.