Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Soares, Joyce Dória Rodrigues
Data de Publicação: 2010
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/3242
Resumo: Produção Vegetal
id UFLA_2803b2fd884073d497120dfd8a492e95
oai_identifier_str oai:localhost:1/3242
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiaisMathematical modeling to predict crop of banana: multiple regression x neural networksBananaInteligência computacionalPrevisão de colheitaComputational intelligenceForecasting cropCNPQ_NÃO_INFORMADOProdução VegetalUm dos entraves relevantes à bananicultura brasileira é a falta de variedades comerciais produtivas com porte adequado, resistentes às principais pragas e doenças e adaptadas a diferentes ecossistemas. O desenvolvimento de cultivares constitui estratégia para a solução deste problema, mediante programas de melhoramento genético, bem como, sua avaliação e caracterização em áreas de produção quando são comparadas às cultivares tradicionais. Os caracteres observados em áreas experimentais têm natureza fenotípica e na maioria das vezes baseia-se apenas na experiência do produtor, mensuração do peso do cacho e as correlações das variáveis envolvidas são estimadas visando mensurar alterações em um caracter quando se altera outro relacionado. O presente trabalho teve como objetivos: 1) Desenvolver um modelo matemático baseado em regressão linear simples; 2) Estudar a relação entre o peso do cacho e as variáveis que compõem o modelo; 3) Criar um modelo de previsão de colheita baseado em redes neurais artificiais; 4) Comparar os sistemas de predição de peso de cacho: regressão e redes neurais. O experimento constituiu-se de um ensaio de uniformidade, conduzido em Guanambi, BA, com a cultivar Tropical (YB42-21), híbrido tetraplóide AAAB, plantado no espaçamento de 3 m x 2 m, formado de 11 fileiras de 52 plantas cada e consideradas como útil as 9 fileiras centrais com 40 plantas por fileira, num total de 360 plantas e área de 2.160 m2. Avaliaram-se os caracteres vegetativos, altura da planta, perímetro do pseudocaule, número de filhos emitidos e número de folhas vivas no florescimento e na colheita e os caracteres de rendimento, peso do cacho, número de pencas e frutos, peso da segunda penca, comprimento e diâmetro do fruto em dois ciclos de produção. Nas avaliações, cada planta foi considerada como uma unidade básica (ub), área de 6 m2, perfazendo assim, 360 unidades básicas (ub). As principais conclusões são: não é indicado a utilização de modelos lineares para previsão do peso do cacho; a RNA implementada obteve uma eficiente previsão de produção, sendo que a rede que obteve o melhor resultado possui a arquitetura 10:10:1.One of the barriers relevant to the banana crop in Brazil is the lack of productive commercial varieties with adequate size, resistant to major pests and diseases and adapted to different ecosystems. The development of cultivars is the strategy for solving this problem through breeding programs, as well as its characterization and evaluation in areas of production when compared to traditional cultivars. The characters observed in the experimental areas have phenotypic nature and most often based solely on the experience of the producer, the measurement of bunch weight and the correlations of the variables involved are estimated in order to measure changes in a character when he altered another. This study aimed to: 1) Develop a model based in mathematic simple linear regression, 2) study the relationship between bunch weight and the variables that make up the model, 3) Create a prediction model based on neural networks harvest artificial; 4) Compare systems of predicting bunch weight: regression and neural networks. The experiment consisted of a uniformity trial, conducted in Guanambi, BA, with cultivar Tropical (YB42-21), AAAB tetraploid hybrid, planted at a spacing of 3 mx 2 m, consisting of 11 rows of 52 plants each and considered how useful the nine central rows with 40 plants per row, totaling 360 plants and an area of 2,160 m2. We assessed the vegetative characters, plant height, pseudostem circumference, number of children issued and number of green leaves at flowering and harvest, and the characters of yield, bunch weight, number of hands and fruits, weight of the second hand, length and diameter of the fruit in two growing seasons. In the evaluation, each plant was considered as a basic unit (bu), area of 6 m2 totaling well, 360 basic units (bu). It is inappropriate to use linear models for predicting the weight of the bunch. The RNA had implemented an efficient production forecast, and the network that obtained the best result has 10:10:1 architecture.UNIVERSIDADE FEDERAL DE LAVRASDAG - Programa de Pós-graduaçãoUFLABRASILLacerda, Wilian SoaresPasqual, MoacirSilva, Sebastião Oliveira eAraujo, Aparecida GomesBraga, Francyane TavaresPio, Leila Aparecida SallesSoares, Joyce Dória Rodrigues2014-08-26T11:58:26Z2014-08-26T11:58:26Z2014-08-262010-12-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSOARES, J. D. R. Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais. 2010. 115 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2010.http://repositorio.ufla.br/jspui/handle/1/3242info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-05-10T20:19:42Zoai:localhost:1/3242Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-10T20:19:42Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
Mathematical modeling to predict crop of banana: multiple regression x neural networks
title Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
spellingShingle Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
Soares, Joyce Dória Rodrigues
Banana
Inteligência computacional
Previsão de colheita
Computational intelligence
Forecasting crop
CNPQ_NÃO_INFORMADO
title_short Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
title_full Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
title_fullStr Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
title_full_unstemmed Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
title_sort Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais
author Soares, Joyce Dória Rodrigues
author_facet Soares, Joyce Dória Rodrigues
author_role author
dc.contributor.none.fl_str_mv Lacerda, Wilian Soares
Pasqual, Moacir
Silva, Sebastião Oliveira e
Araujo, Aparecida Gomes
Braga, Francyane Tavares
Pio, Leila Aparecida Salles
dc.contributor.author.fl_str_mv Soares, Joyce Dória Rodrigues
dc.subject.por.fl_str_mv Banana
Inteligência computacional
Previsão de colheita
Computational intelligence
Forecasting crop
CNPQ_NÃO_INFORMADO
topic Banana
Inteligência computacional
Previsão de colheita
Computational intelligence
Forecasting crop
CNPQ_NÃO_INFORMADO
description Produção Vegetal
publishDate 2010
dc.date.none.fl_str_mv 2010-12-07
2014-08-26T11:58:26Z
2014-08-26T11:58:26Z
2014-08-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SOARES, J. D. R. Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais. 2010. 115 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2010.
http://repositorio.ufla.br/jspui/handle/1/3242
identifier_str_mv SOARES, J. D. R. Modelagem matemática na previsão de colheita de bananeira: regressão linear múltipla x redes neurais artificiais. 2010. 115 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2010.
url http://repositorio.ufla.br/jspui/handle/1/3242
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DAG - Programa de Pós-graduação
UFLA
BRASIL
publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DAG - Programa de Pós-graduação
UFLA
BRASIL
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1807835173054578688

Registros relacionados