Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves

Detalhes bibliográficos
Autor(a) principal: Harada, Érik dos Santos
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/214183
Resumo: É verídico que as mudanças climáticas estão prejudicando a produção animal e vegetal em decorrência de extremos climáticos, levando a perdas econômicas e causando impactos ambientais. Neste sentido, é possível utilizar bancos de dados meteorológicos e produtivos com o intuito de gerar modelos capazes de auxiliar na tomada de decisão evitando perdas financeiras. Os dados armazenados são de extrema importância para o produtor rural, pois, com o auxílio de ferramentas de análise de dados, consegue-se extrair informações que os olhos humanos não são capazes de ver sem os recursos computacionais e estatísticos que os softwares de inteligência artificial possuem. Desta forma, o objetivo deste estudo foi criar faixas de conforto térmico e com a aplicação da mineração de dados desenvolver árvores de decisão baseadas em índices de conforto térmico, para galinhas poedeiras, em três diferentes aviários, em todas as estações do ano. Foi utilizado um banco de dados bioclimáticos e de desempenho de três aviários comerciais localizados em Bastos/SP, do ano de 2013 e 2014, para quatro estações do ano, denominadas de: ciclo 1, ciclo 2, ciclo 3, ciclo 4. Os dados foram organizados e classificados em planilhas eletrônicas. Posteriormente a esta etapa, houve o pré-processamento e os dados foram transcritos em formato compatível com o software Weka® para que fosse aplicado o algoritmo J48 (C4.5) para a realização da mineração de dados. Com base no banco de dados bioclimáticos, foi possível elaborar faixas de conforto térmico com base em temperatura (ºC) e umidade relativa (%) e as mesmas transcorreram para o desenvolvimento dos cenários possíveis para o software criar as árvores de decisão, fornecendo subsídios para que a decisão fosse tomada. A execução da técnica possibilitou a construção de modelos com coeficiente Kappa de 98% em média, evidenciando que o classificador da mineração de dados como excelente para a maioria (83%) dos modelos gerados.
id UNSP_e1d661f1f376145e1db269b84a6326eb
oai_identifier_str oai:repositorio.unesp.br:11449/214183
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras levesData mining based decision support classification models for the generation of warnings of weather extremes for light layersAclimataçãoCalor efeito fisiológicoConstruções ruraisGalinhas poedeirasOvos produçãoAcclimatizationHeat physiological effectFarm buildingsLaying hensEggs productionÉ verídico que as mudanças climáticas estão prejudicando a produção animal e vegetal em decorrência de extremos climáticos, levando a perdas econômicas e causando impactos ambientais. Neste sentido, é possível utilizar bancos de dados meteorológicos e produtivos com o intuito de gerar modelos capazes de auxiliar na tomada de decisão evitando perdas financeiras. Os dados armazenados são de extrema importância para o produtor rural, pois, com o auxílio de ferramentas de análise de dados, consegue-se extrair informações que os olhos humanos não são capazes de ver sem os recursos computacionais e estatísticos que os softwares de inteligência artificial possuem. Desta forma, o objetivo deste estudo foi criar faixas de conforto térmico e com a aplicação da mineração de dados desenvolver árvores de decisão baseadas em índices de conforto térmico, para galinhas poedeiras, em três diferentes aviários, em todas as estações do ano. Foi utilizado um banco de dados bioclimáticos e de desempenho de três aviários comerciais localizados em Bastos/SP, do ano de 2013 e 2014, para quatro estações do ano, denominadas de: ciclo 1, ciclo 2, ciclo 3, ciclo 4. Os dados foram organizados e classificados em planilhas eletrônicas. Posteriormente a esta etapa, houve o pré-processamento e os dados foram transcritos em formato compatível com o software Weka® para que fosse aplicado o algoritmo J48 (C4.5) para a realização da mineração de dados. Com base no banco de dados bioclimáticos, foi possível elaborar faixas de conforto térmico com base em temperatura (ºC) e umidade relativa (%) e as mesmas transcorreram para o desenvolvimento dos cenários possíveis para o software criar as árvores de decisão, fornecendo subsídios para que a decisão fosse tomada. A execução da técnica possibilitou a construção de modelos com coeficiente Kappa de 98% em média, evidenciando que o classificador da mineração de dados como excelente para a maioria (83%) dos modelos gerados.It is true that climate change is damaging animal and plant production due to weather extremes, leading to economic losses and causing environmental impacts. In this sense, it is possible to use meteorological and productive databases in order to generate models that can assist in decision making and avoid financial losses. The stored data is extremely important for the rural producer, because with the help of data analysis tools, it is possible to extract information that human eyes are not able to see without the computational and statistical resources that artificial intelligence software has. Thus, the objective of this study was to create thermal comfort ranges and with the application of data mining develop decision trees based on thermal comfort indices, for laying hens, in three different aviaries, in all seasons of the year. A bioclimatic and performance database of three commercial aviaries located in Bastos/SP, from the year 2013 and 2014, for four seasons of the year, called: cycle 1, cycle 2, cycle 3, cycle 4, was used. The data were organized and classified in electronic spreadsheets. After this step, there was the pre-processing and the data were transcribed into format compatible with Weka® software to be applied the J48 algorithm (C4.5) to perform data mining. Based on the bioclimatic database, it was possible to elaborate thermal comfort ranges based on temperature (ºC) and relative humidity (%) and the same were transcribed for the development of possible scenarios for the software to create the decision trees, providing subsidies for the decision to be made. The execution of the technique allowed the construction of models with Kappa coefficient of 98% on average, showing that the data mining classifier as excellent for most (83%) of the models generated.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)88887.480645/2020-00Universidade Estadual Paulista (Unesp)Fonseca, Ricardo da [UNESP]Salgado, Douglas D’Alessandro [UNESP]Bueno, Leda Gobbo de Freitas [UNESP]Universidade Estadual Paulista (Unesp)Harada, Érik dos Santos2021-08-25T17:47:13Z2021-08-25T17:47:13Z2021-06-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/21418333004099086P8porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-14T06:18:58Zoai:repositorio.unesp.br:11449/214183Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462023-12-14T06:18:58Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
Data mining based decision support classification models for the generation of warnings of weather extremes for light layers
title Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
spellingShingle Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
Harada, Érik dos Santos
Aclimatação
Calor efeito fisiológico
Construções rurais
Galinhas poedeiras
Ovos produção
Acclimatization
Heat physiological effect
Farm buildings
Laying hens
Eggs production
title_short Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
title_full Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
title_fullStr Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
title_full_unstemmed Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
title_sort Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
author Harada, Érik dos Santos
author_facet Harada, Érik dos Santos
author_role author
dc.contributor.none.fl_str_mv Fonseca, Ricardo da [UNESP]
Salgado, Douglas D’Alessandro [UNESP]
Bueno, Leda Gobbo de Freitas [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Harada, Érik dos Santos
dc.subject.por.fl_str_mv Aclimatação
Calor efeito fisiológico
Construções rurais
Galinhas poedeiras
Ovos produção
Acclimatization
Heat physiological effect
Farm buildings
Laying hens
Eggs production
topic Aclimatação
Calor efeito fisiológico
Construções rurais
Galinhas poedeiras
Ovos produção
Acclimatization
Heat physiological effect
Farm buildings
Laying hens
Eggs production
description É verídico que as mudanças climáticas estão prejudicando a produção animal e vegetal em decorrência de extremos climáticos, levando a perdas econômicas e causando impactos ambientais. Neste sentido, é possível utilizar bancos de dados meteorológicos e produtivos com o intuito de gerar modelos capazes de auxiliar na tomada de decisão evitando perdas financeiras. Os dados armazenados são de extrema importância para o produtor rural, pois, com o auxílio de ferramentas de análise de dados, consegue-se extrair informações que os olhos humanos não são capazes de ver sem os recursos computacionais e estatísticos que os softwares de inteligência artificial possuem. Desta forma, o objetivo deste estudo foi criar faixas de conforto térmico e com a aplicação da mineração de dados desenvolver árvores de decisão baseadas em índices de conforto térmico, para galinhas poedeiras, em três diferentes aviários, em todas as estações do ano. Foi utilizado um banco de dados bioclimáticos e de desempenho de três aviários comerciais localizados em Bastos/SP, do ano de 2013 e 2014, para quatro estações do ano, denominadas de: ciclo 1, ciclo 2, ciclo 3, ciclo 4. Os dados foram organizados e classificados em planilhas eletrônicas. Posteriormente a esta etapa, houve o pré-processamento e os dados foram transcritos em formato compatível com o software Weka® para que fosse aplicado o algoritmo J48 (C4.5) para a realização da mineração de dados. Com base no banco de dados bioclimáticos, foi possível elaborar faixas de conforto térmico com base em temperatura (ºC) e umidade relativa (%) e as mesmas transcorreram para o desenvolvimento dos cenários possíveis para o software criar as árvores de decisão, fornecendo subsídios para que a decisão fosse tomada. A execução da técnica possibilitou a construção de modelos com coeficiente Kappa de 98% em média, evidenciando que o classificador da mineração de dados como excelente para a maioria (83%) dos modelos gerados.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-25T17:47:13Z
2021-08-25T17:47:13Z
2021-06-28
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/11449/214183
33004099086P8
url http://hdl.handle.net/11449/214183
identifier_str_mv 33004099086P8
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 Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1803649982069211136

Registros relacionados