Rede neural artificial para predição da produtividade da cultura do milho
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UTFPR-12_6df87d36efe465f2797b83e7a34803ce |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/26421 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2021-11-18T15:53:07Z2021-11-18T15:53:07Z2021-08-23SOUZA, Paulo Vitor Duarte de. Rede neural artificial para predição da produtividade da cultura do milho. 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Santa Helena, 2021.http://repositorio.utfpr.edu.br/jspui/handle/1/26421A 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.The forecasting corn yield has many advantages in global food production and small farmers. The forecasting can manage better the crop and optimize the profit. The objective of the work is to build models of Multilayer Perceptrons for the forecasting of corn yield in the Vale do Paranapanema, São Paulo, with the crop growing fe atures, weather conditions and water balance. Two year (2018 and 2019) crop of different locations were considered. Missing data were imputed through the iterative imputation. The model hyper parametrization were obtained through of the Grid Search and k-fold cross-validation. The models were divided into datasets with and without data imputation. The interpretation of the model was made through SHAP method. The models obtained satisfactory results, with the better model had RMSE de 70,651 kg ·ha−1 for the imputed dataset. In the data without imputation obtained 190,851 kg ·ha−1. In all models, the weather conditions were that had importance in predictions of yield. Thus, the build models had satisfactory performance and they took the nonlinear interactions among the crop genotype and the environment.porUniversidade Tecnológica Federal do ParanáSanta HelenaCiência da ComputaçãoUTFPRBrasilCNPQ::CIENCIAS EXATAS E DA TERRA:CIENCIA DA COMPUTACAORedes neurais (Computação)MilhoProdutividade agrícolaNeural networks (Computer science)CornAgricultural productivityRede neural artificial para predição da produtividade da cultura do milhoArtificial neural network for forcasting corn yieldinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisSanta HelenaRezende, Leiliane Pereira deMiranda, Glauco VieiraRezende, Leiliane Pereira deMiranda, Glauco VieiraNaves, Thiago FrançaSepulveda, Gloria Patricia LopezSouza, Paulo Vitor Duarte deinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALSH_COCIC_2021_1_03.pdfSH_COCIC_2021_1_03.pdfapplication/pdf1587877http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/1/SH_COCIC_2021_1_03.pdf87b40fa69086c3f15ccab319014878b9MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTSH_COCIC_2021_1_03.pdf.txtSH_COCIC_2021_1_03.pdf.txtExtracted texttext/plain112722http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/3/SH_COCIC_2021_1_03.pdf.txt408ff460386c40cf0cc10b5e0894dbcbMD53THUMBNAILSH_COCIC_2021_1_03.pdf.jpgSH_COCIC_2021_1_03.pdf.jpgGenerated Thumbnailimage/jpeg1194http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/4/SH_COCIC_2021_1_03.pdf.jpga95926ad8777ef544c3f66b92ad2f53dMD541/264212021-11-19 04:05:56.115oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2021-11-19T06:05:56Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Rede neural artificial para predição da produtividade da cultura do milho |
dc.title.alternative.pt_BR.fl_str_mv |
Artificial neural network for forcasting corn yield |
title |
Rede neural artificial para predição da produtividade da cultura do milho |
spellingShingle |
Rede neural artificial para predição da produtividade da cultura do milho Souza, Paulo Vitor Duarte de CNPQ::CIENCIAS EXATAS E DA TERRA:CIENCIA DA COMPUTACAO Redes neurais (Computação) Milho Produtividade agrícola Neural networks (Computer science) Corn Agricultural productivity |
title_short |
Rede neural artificial para predição da produtividade da cultura do milho |
title_full |
Rede neural artificial para predição da produtividade da cultura do milho |
title_fullStr |
Rede neural artificial para predição da produtividade da cultura do milho |
title_full_unstemmed |
Rede neural artificial para predição da produtividade da cultura do milho |
title_sort |
Rede neural artificial para predição da produtividade da cultura do milho |
author |
Souza, Paulo Vitor Duarte de |
author_facet |
Souza, Paulo Vitor Duarte de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Rezende, Leiliane Pereira de |
dc.contributor.advisor-co1.fl_str_mv |
Miranda, Glauco Vieira |
dc.contributor.referee1.fl_str_mv |
Rezende, Leiliane Pereira de |
dc.contributor.referee2.fl_str_mv |
Miranda, Glauco Vieira |
dc.contributor.referee3.fl_str_mv |
Naves, Thiago França |
dc.contributor.referee4.fl_str_mv |
Sepulveda, Gloria Patricia Lopez |
dc.contributor.author.fl_str_mv |
Souza, Paulo Vitor Duarte de |
contributor_str_mv |
Rezende, Leiliane Pereira de Miranda, Glauco Vieira Rezende, Leiliane Pereira de Miranda, Glauco Vieira Naves, Thiago França Sepulveda, Gloria Patricia Lopez |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA:CIENCIA DA COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA:CIENCIA DA COMPUTACAO Redes neurais (Computação) Milho Produtividade agrícola Neural networks (Computer science) Corn Agricultural productivity |
dc.subject.por.fl_str_mv |
Redes neurais (Computação) Milho Produtividade agrícola Neural networks (Computer science) Corn Agricultural productivity |
description |
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. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-11-18T15:53:07Z |
dc.date.available.fl_str_mv |
2021-11-18T15:53:07Z |
dc.date.issued.fl_str_mv |
2021-08-23 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SOUZA, Paulo Vitor Duarte de. Rede neural artificial para predição da produtividade da cultura do milho. 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Santa Helena, 2021. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/26421 |
identifier_str_mv |
SOUZA, Paulo Vitor Duarte de. Rede neural artificial para predição da produtividade da cultura do milho. 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Santa Helena, 2021. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/26421 |
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.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Santa Helena |
dc.publisher.program.fl_str_mv |
Ciência da Computação |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Santa Helena |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/1/SH_COCIC_2021_1_03.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/3/SH_COCIC_2021_1_03.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26421/4/SH_COCIC_2021_1_03.pdf.jpg |
bitstream.checksum.fl_str_mv |
87b40fa69086c3f15ccab319014878b9 b9d82215ab23456fa2d8b49c5df1b95b 408ff460386c40cf0cc10b5e0894dbcb a95926ad8777ef544c3f66b92ad2f53d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805923036253126656 |