Rede neural artificial para predição da produtividade da cultura do milho

• Autor(a) principal: Souza, Paulo Vitor Duarte de
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/26421
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA:CIENCIA DA COMPUTACAO; Redes neurais (Computação); Milho; Produtividade agrícola; Neural networks (Computer science); Corn; Agricultural productivity

A predição da produtividade da cultura do milho tem muitos benefícios na produção global de alimentos e de pequenos agricultores, por ser possível gerenciar melhor o processo de plantio e otimizar os lucros. Este trabalho objetiva construir modelos de Perceptrons de Múltiplas Camadas para a predição da produtividade do milho no Vale do Paranapanema, São Paulo, considerando parâmetros de desenvolvimento, condições climáticas e balanço hídrico. Foram considerados dados de dois anos agrícolas de diferentes localidades. Dados faltantes foram imputados por meio do iterative imputation. A hiperparametrização dos modelos foram obtidas por meio do GridSearch e k-fold cross-validation. Os modelos foram divididos em bases de dados com e sem a imputação de dados faltantes. A interpretação do modelo foi realizada pelo método SHAP. Os modelos obtiveram um resultado aceitável sendo o melhor modelo com um RMSE de 70,651 kg · ha−1 considerando as bases de dados imputadas. O modelo sem imputação na base de dados obteve 190,851 kg·ha−1. Em todos os modelos as condições climáticas foram as que tiveram maior peso na predição da produtividade. Conclui-se que os modelos construídos obtiveram um desempenho aceitável e capturaram os efeitos não lineares entre o ambiente e o genótipo da planta de milho.