Orientadora : Maria Teresinha Arns SteinerCo-orientadora : Lucia Valeria Ramos ArrudaDissertaçao (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia. Defesa: Curitiba, 2004Inclui bibliografiaÁrea de concentraçao: Programaçao matemáticaResumo: As redes neurais artificiais têm sido aplicadas com sucesso em diversos problemas de análise exploratória de dados multivariados relacionados à ecologia. Todavia, poucos são os trabalhos utilizando a rede de Kohonen (mapas auto-organizáveis) para classificação de padrões de dados ecológicos. A dificuldade encontra-se na obtenção de um conjunto adequado de dados para o treinamento e validação da rede. Para o desenvolvimento deste trabalho foram utilizados dados obtidos no projeto "Estudos ictiológicos na área de influência do AHE Corumbá" pelo Núcleo de Pesquisas em Limnologia, Ictiologia e Aqüicultura (Nupélia), Universidade Estadual de Maringá (UEM) em convênio com FURNAS Centrais Elétricas S.A. Este trabalho utiliza a rede de Kohonen como uma metodologia para a classificação das espécies de peixes em categorias tróficas do reservatório de Corumbá - GO, de acordo com a dieta, envolvendo duas fases distintas: fase rio (anterior ao represamento), com a classificação de 1845 estômagos de 33 espécies de peixes, e a fase reservatório (posterior ao represamento), com a classificação de 5492 estômagos de 36 espécies de peixes. As classificações foram obtidas nas duas fases distintamente, resultando em ambas, em uma separação de dois grandes grupos: o dos generalistas e o dos especialistas. Os peixes especialistas foram divididos em quatro grupos: insetívoros, herbívoros, piscívoros e detritívoros. Os insetívoros apresentaram um grande número de espécies, sendo necessário modelar uma nova rede, visando a separação desta categoria, em quatro sub-grupos. A rede de Kohonen mostrou-se uma ferramenta robusta para a classificação dos dados, apresentando resultados rápidos, com uma clara visualização dos agrupamentos, facilitando sobremaneira a interpretação dos resultados.Abstract: Artificial neural network has been successfully applied in several problems of exploratory analysis of multivariate data related to ecology. However, there are few works using the Kohonen Map (Self-Organizing Map - SOM) for identification of patterns in ecological data. The difficulty is to obtain an appropriate set of data for training and validation of the net. For the development of this work, data used were obtained in the project "Estudos ictiológicos na area de influência do AHE Corumbá" by the Núcleo de Pesquisas em Limnologia, Ictiologia e Aqüicultura (Nupélia), Universidade Estadual de Maringá (UEM) in agreement with FURNAS Centrais Elétricas S.A. The Kohonen Map was used as a methodology for classification of trophic categories of fish from Corumbá Reservoir - GO. According to their diet, in two different phases: river phase (previous to impoundment), with analysis of 1845 stomaches belonging to 33 species of fish, and the reservoir phase (subsequent to impoundment), with analysis of 5492 stomaches belonging to 36 species of fish. The classifications into trophic categories allowed the separation of two big groups: one of generalists and another of specialists. Specialist fish were divided in four trophic groups: insetivores, herbivores, piscivores and detritivores. Insetivores presented great number of species, which demanded to model a new net, seeking the separation of this category, in four sub-groups. The Kohonen Map was shown to be robust tool for classification of the data, presenting fast results, with a clear visualization of the groupings, facilitating interpretation of the results.