Artigo de Periódico
Yield prediction of 'Prata Anã' and 'BRS Platina' banana plants by artificial neural networks
Fecha
2021Autor
Bruno Vinícius Castro Guimarães
Sérgio Luiz Rodrigues Donato
Ignacio Aspiazú
Alcinei Mistico Azevedo
Institución
Resumen
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.