Modelos de classificação para suporte à decisão baseados em mineração de dados para a geração de alertas de extremos climáticos para poedeiras leves
Autor(a) principal: | |
---|---|
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:29462024-08-05T20:17:56.603450Repositório 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_ |
1808129185386856448 |