Predição da área foliar em acerola por redes neurais e regressão múltipla

Revista Agrária Acadêmica

Endereço:
Rua Rio Grande do Norte - 1342, sala 3 - Centro
Imperatriz / MA
65901-280
Site: https://agrariacad.com/
Telefone: (81) 9423-2398
ISSN: 2595-3125
Editor Chefe: Jailson Honorato
Início Publicação: 01/05/2018
Periodicidade: Bimestral
Área de Estudo: Ciências Agrárias, Área de Estudo: Agronomia, Área de Estudo: Biologia geral, Área de Estudo: Bioquímica, Área de Estudo: Botânica, Área de Estudo: Ciência e Tecnologia de Alimentos, Área de Estudo: Ecologia, Área de Estudo: Engenharia Agrícola, Área de Estudo: Medicina Veterinária, Área de Estudo: Melhoramento Animal, Área de Estudo: Microbiologia, Área de Estudo: Recursos Florestais e Engenharia Florestal, Área de Estudo: Recursos Pesqueiros e Engenharia da Pesca, Área de Estudo: Recursos pesqueiros e engenharia de pesca, Área de Estudo: Zoologia, Área de Estudo: Zootecnia

Predição da área foliar em acerola por redes neurais e regressão múltipla

Ano: 2019 | Volume: 2 | Número: 3
Autores: Alcinei Místico de Azevedo, Vitor Alves da Silveira, Celso Mattes Oliveira, Carlos Enrrik Pedrosa, Vinícius Teixeira Lemos, Nermy Ribeiro Valadares, Amanda Gonçalves Guimarães
Autor Correspondente: Amanda Gonçalves Guimarães | [email protected]

Palavras-chave: Malpighia emarginata, perceptron multicamadas, importância relativa, método de Garson

Resumos Cadastrados

Resumo Português:

O objetivo do trabalho foi predizer a área foliar em aceroleira por meio de redes neurais artificiais (RNAs) e verificar a eficiência desta metodologia em comparação com modelos de regressão múltipla. Foram avaliados o comprimento, largura e área de 350 folhas de acerola, testados 14 modelos de regressão múltipla e modelo de RNAs tipo perceptron multicamadas para predição da área foliar. A qualidade de ajuste entre os modelos de regressão múltipla e as RNAs foram próximas, porém as redes neurais artificiais foram mais eficientes na predição da área foliar em aceroleira com coeficiente de determinação superior a 0,98, sendo a rede com dois neurônios na camada intermediária a melhor predição.



Resumo Inglês:

The objective of this work was to predict the leaf area in acerola by means of artificial neural networks (ANNs) and verify the efficiency of this methodology in comparison to multiple regression models. The length, width and area of 350 leaves of acerola were evaluated, 14 models of multiple regression and model of multilayer perceptron type RNA were used to predict the leaf area. The quality of fit between the multiple regression models and the ANNs was close, but the artificial neural networks were more efficient in the prediction of the leaf area in acerola, with determination coefficient superior to 0,98, being the network with two neurons in the intermediate layer the best prediction.