Publicação: Desempenho das redes neurais artificiais na estimativa das variáveis físicas e químicas do solo
Carregando...
Data
Autores
Orientador
Silva, Ivan Nunes da 
Ulson, Jose Alfredo Covolan
Coorientador
Pós-graduação
Agronomia (Energia na Agricultura) - FCA
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Métodos estatísticos de interpolação são freqüentemente utilizados para se obter as características dos solos em locais não amostrados, visando diminuir o número de amostras necessárias para um bom mapeamento do campo. Nesse trabalho, a estimativa da variabilidade espacial de atributos do solo foi realizada de duas maneiras: primeiramente utilizando-se os métodos estatísticos da krigagem e da co-krigagem e posteriormente as redes neurais artificiais. Os resultados obtidos pelos dois métodos foram comparados, com a finalidade de se verificar a eficiência das redes neurais artificiais na estimativa de atributos do solo. Os resultados mostraram que as redes neurais artificiais, em particular as redes Perceptron, com uma e com duas camadas de neurônios, são capazes de estimar as variabilidades espaciais dos solos com precisão maior do que os métodos estatísticos da krigagem e da co-krigagem. As redes neurais artificiais também se mostraram eficientes na estimativa de uma determinada variável do solo em função de sua classe textural.
Resumo (inglês)
Statistic methods of interpolation are often used to get the soil characteristics in non-sampled places in order to decrease samples numbers, which are necessary to obtain a good field mapping. In this project, the estimation of soil spatial variability attributes was done in two different ways. First, it was used statistic methods of kriging and cokriging, and in second instance, it was used artificial neural networks. The results computed by both techniques were compared each other in order to verify the efficiency of the artificial neural networks in estimating soil attributes. The results indicated that artificial neural networks, especially Perceptron networks, both with one and two layers of neurons, are able to estimate the soil spatial variability much better than the kriging and the cokriging methods. The artificial neural networks have also showed very efficient in estimating soil variables with respect to its textural class.
Descrição
Palavras-chave
Mapeamento do solo, Redes neurais (Computação), Propriedades do solo, Variáveis do solo, Neural networks, Spatial variabilily, Kriging method, Artificial intelligence
Idioma
Português
Como citar
ANGELICO, João Carlos. Desempenho das redes neurais artificiais na estimativa das variáveis físicas e químicas do solo. 2005. xi, 160 f. Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, 2005.
