XXVIII Congresso de Iniciação Científica
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE FLORESCIMENTO NA CULTURA DA CANA-DE-AÇÚCAR
Wengler Mateus Garcia, Rafael Simões Tomaz, Artur Bernardeli Nicolai, Paulo Alexandre Monteiro de Figueiredo, Ronaldo Cintra Lima. FCAT - UNESP, Engenharia Agronômica,rafaelst@gmail.com Palavras Chave: RNA, predição, inteligência Artificial.
Introdução
O florescimento da cana-de-açúcar é controlado por um complexo de fatores, os quais envolvem o fotoperíodo, a temperatura, a umidade e a radiação solar, além da maturidade da planta e da fertilidade do solo[1]. A interação destes fatores pode influenciar a fisiologia da planta de forma a aumentar, manter ou mesmo prevenir a transformação do ápice da cana-de-açúcar de crescimento vegetativo para reprodutivo. Existem na literatura diversos relatos de como cada variável influencia o processo de florescimento individualmente, mas são escassos os modelos de predição quando estes fatores atuam em conjunto. Uma potencial ferramenta que pode ser considerada em estudos de predição desta natureza são as Redes Neurais Artificiais (RNA).
Objetivos
Modelar RNAs visando a predição do florescimento da cana de açúcar, a partir de variáveis meteorológicas.
Material e Métodos
Os dados considerados de florescimento da cana de açúcar, referentes aos anos de 2006 a 2015, foram cedidos pelo CTC – Centro de Tecnologia Canavieira. Foram consideradas ainda informações meteorológicas obtidas da base de dados da estação meteorológica automática do Departamento de Engenharia de Biossistemas da ESALQ. As informações foram manipuladas e consideradas para servirem de entrada para as RNAs. Foram modeladas RNAS considerando temperaturas máximas diárias inferiores a 32ºC, e mínima diária acima de 18ºC, associado à informação de florescimento tomado como variável binária. Foram consideradas RNAs do tipo Perceptron Multi- Camadas (MLP), com duas camadas nas quais se variou a quantidade de neurônios (10 a 30), algoritmo de treinamento trainbr, e 1000 épocas, nas quais 70% dos dados foram utilizados para treinamento da rede, e 30% para validação. A manipulação de dados e a modelagem das redes foram realizadas por meio de rotinas desenvolvidas pelos autores no Software livre R e no aplicativo Matlab.
Resultados e Discussão
Na Figura 1 está apresentado o esquema da RNA utilizada como modelo de predição
Figura 1. Esquema de uma rede MLP com uma camada de entrada, duas camadas intermediárias (camadas ocultas) e uma camada de saída com dois outputs utilizada como modelo de predição.
As redes ajustadas permitiram a predição do florescimento com taxa de erro aparente que variou de 33% e 44%. As RNAs que apresentaram resultados mais satisfatórios foram aquelas com, em média, 22 neurônios nas camadas ocultas. As altas taxas de erro obtidas podem implicar que variáveis importantes não estão sendo consideradas no processo de modelagem.
Conclusões
As RNAs modeladas permitiram a predição do florescimento da cana de açúcar com uma taxa de acerto variando de 56 e 67%.
Agradecimentos
À PROPE UNESP pela oportunidade para realização do projeto.
____________________
1 ARALDI, R., ORIKA, F.M.L.S.E., RODRIGUESII, O.J.D. Ciência Rural. 2010, 40, 694
2 MELLONI, M.L.G., MELLONI, M.N.G., SCARPARI, M.S., GARCIA, J.C., LANDELL, M.G., PINTO, L.R. American Journal of Plant Sciences. 2015, 6, 456.
