Predição da produtividade de bananeiras ‘Prata-Anã’ e ‘BRS Platina’ por redes neurais artificiais

Autores

Resumo

Modelos de predição podem contribuir para a análise de dados e tomada de decisões no manejo de uma cultura. Objetivou-se avaliar a viabilidade da predição de produtividade de bananeiras ‘Prata-Anã’ e ‘BRS Platina’, por meio de redes neurais artificiais, bem como determinar os descritores morfológicos mais importantes para este fim. Foram mensurados a altura de planta; perímetro do pseudocaule ao nível do solo, a 30 e 100 cm de altura; número de folhas vivas na colheita; massa, comprimento e diâmetro do engaço; número de pencas e de frutos; massa do cacho e das pencas; massa média das pencas; e relação entre a massa do engaço e do cacho. Os dados foram submetidos a análise por redes neurais artificiais, utilizando-se o software R. Os melhores ajustes foram obtidos com dois e três neurônios na camada intermediária, respectivamente, para ‘Prata-Anã’ e ‘BRS Platina’. Esses modelos apresentaram os menores erros quadráticos médios, o que corresponde a maior proximidade entre os dados preditos e os reais, e, por conseguinte, maior eficiência das redes na predição da produtividade. Pelo coeficiente de determinação, verificaram-se os melhores ajustes para ‘Prata-Anã’ (R² = 0,99 para todas as composições de rede), enquanto, para ‘BRS Platina’, a adequação dos dados possibilitou R² com valores entre 0,97 e 1,00, aproximadamente. Previsões de produtividade para ‘Prata-Anã’ e ‘BRS Platina’ foram obtidas com alta eficiência por meio de redes neurais artificiais.

PALAVRAS-CHAVE: Musa spp., modelos matemáticos, planejamento rural.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Bruno Vinícius Castro Guimarães, Instituto Federal do Amazonas

    Agrônomo

    Mestre em Produção Vegetal

    Doutorando em Produção Vegetal

  • Sérgio Luiz Rodrigues Donato, Instituto Federal Baiano Campus Guanambi

    https://orcid.ID: 0000-0002-7719-4662

  • Ignacio Aspiazú, Universidade Estadual de Montes Claros

    State University of Montes Claros, Department of Agricultural Sciences, Janaúba, MG, Brazil. E-mail/ORCID: ignacio.aspiazu@unimontes.br/0000-0002-0042-3324

  • Alcinei Mistico Azevedo, Universidade Federal de Minas Gerais

    Federal University of Minas Gerais, Institute of Agricultural Sciences, Montes Claros, MG, Brazil. E-mail/ORCID:  alcineimistico@hotmail.com/0000-0001-5196-0851.

Downloads

Publicado

12-04-2021

Edição

v. 51 (2021)

Seção

Artigo Científico

Licença

Os autores não serão remunerados pela publicação de trabalhos na revista PAT, pois devem abrir mão de seus direitos autorais em favor deste periódico. Os conteúdos publicados, contudo, são de inteira e exclusiva responsabilidade de seus autores, ainda que reservado aos editores o direito de proceder a ajustes textuais e de adequação às normas da publicação. Por outro lado, os autores ficam autorizados a publicar seus artigos, simultaneamente, em repositórios da instituição de sua origem, desde que citada a fonte da publicação original na revista PAT.

Como Citar

GUIMARÃES, B. V. C. et al. Predição da produtividade de bananeiras ‘Prata-Anã’ e ‘BRS Platina’ por redes neurais artificiais. Pesquisa Agropecuária Tropical, v. 51, p. e66008, 12 abr.2021.