“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”
19 a 24 de outubro de 2020
Trabalho 13912
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Genética |
| Setor | Departamento de Biologia Geral |
| Bolsa | CNPq |
| Conclusão de bolsa | Não |
| Apoio financeiro | CAPES, CNPq, FAPEMIG |
| Primeiro autor | Bruno Grespan Leichtweis |
| Orientador | FELIPE LOPES DA SILVA |
| Outros membros | Anderson Lopes Santos, João Marcos Soares Ferreira, Volmir Elton Scheffler Junior, Yasmin Timm Antunes |
| Título | Uso de Redes Neurais Artificiais para estudo de Dissimilaridade Ambiental |
| Resumo | A solução de problemas através de redes neurais artificiais (RNAs) é bastante atrativa, pois a forma como estes são apresentados internamente pela rede cria a possibilidade de um desempenho superior ao dos modelos convencionais. As RNAs são modelos computacionais que reconhecem padrões e regularidades dos dados e representam uma alternativa como aproximador universal de funções complexas, sejam lineares ou não, com vantagens de serem não paramétricas, não necessitarem de informações detalhadas sobre os processos físicos do sistema a ser modelado. Considerando a diversidade de ecossistemas e tipos de solo e clima do País, afim de entender a regionalização dos testes de Valor de Cultivo e Uso (VCU) e de indicação de cultivares de soja para o Brasil, o objetivo deste trabalho foi estudar a dissimilaridade ambiental dentro do estado do Mato Grosso, dividindo entes em clusters, utilizando redes neurais do tipo Self Organizing Map (SOM). Foram avaliados dados edafoclimáticos de 11 cidades dentro do Estado, os dados climáticos foram obtidos através do Banco de Dados Meteorológicos para Ensino e Pesquisa (BDMEP). Avaliou uma série histórica de dez anos, de setembro de 2009 a fevereiro de 2019, fazendo uma média para cada mês. Os meses utilizados para o estudo foram de setembro a fevereiro, onde é permitido o cultivo da cultura dentro do estado. A pluviosidade utilizada foi a precipitação total (mm), umidade relativa media (%) e temperatura (°C). Também utilizou dados de pressão atmosférica (mbar), altitude (m), classe de solo e classificação climática segundo Köppen. Foram testadas diferentes topologias de rede; 3 linhas por 3 colunas, totalizando 9 neurônios e; 3 linhas por 2 colunas, totalizando 6 neurônios. A fim de se selecionar a melhor topologia da rede, foram feitos 10.000 treinamentos para cada uma das combinações, e para cada uma das combinações foi estimado a soma do quadrado da variância e a distância entre os vizinhos. Assim obtivemos a divisão dos clusters para diferentes ambientes. A melhor topologia de rede encontrada foi de três colunas e três linhas e foram divididas em seis clusters, a maior similaridade foi entre as cidades de Diamantino, São José do Rio Claro, Poxoréo e Canarana. Foi encontrado grande dissimilaridade ambiental entre os demais locais. A rede foi eficiente para agrupar as regiões que apresentavam semelhança entre as diferentes informações edafoclimáticas, sendo uma ferramenta importante para o entendido da regionalização dos testes de VCU e indicações de diferentes cultivares. |
| Palavras-chave | Inteligência Artificial, Kohonnen, Informações edafoclimáticas |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|