Estimativa da produtividade de soja com redes neurais artificiais

RESUMO.

Para estimar a produtividade de muitas culturas, incluído a soja, são utilizados modelos estatísticos complexos, que torna restrito o acesso a essa prática. Uma alternativa a estes modelos é a utilização de sistemas computacionais empregando Redes Neurais Artificiais (RNA). Este trabalho teve por objetivo estimar a produtividade da soja baseada nos hábitos de crescimento, densidade de semeadura e características agronômicas usando RNA do tipo Multilayer Perceptron (MLP). Para isto foram utilizados dados agronômicos da cultura da soja obtidos em experimento conduzido na safra 2013/2014 em Anápolis, Estado de Goiás, Brasil, cujos dados foram normalizados em intervalo compatível para trabalho com RNA e em seguida feito o treinamento de várias RNAs para a escolha da RNA com melhor performance. Após o treinamento das redes, foi realizada a análise de performance para seleção da RNA com a performance mais adequada ao problema. A RNA selecionada apresentou um índice de acerto de 98% com os dados do treinamento e um acerto de 72% com dados de validação. A aplicação das RNAs do tipo MLP nos dados do experimento conduzido demonstram que é possível estimar a produtividade da soja baseando-se nas características agronômicas, hábito de crescimento e densidade populacional por meio da IA.

Palavras-chave:
Glycine max (L.) Merrill; características agronômicas; modelagem; MLP; perceptron