| |
|
|
| Registros recuperados : 150 | |
| 14. |  | SILVA, H. T. da; MINELLA, E. Melhoramento genético de cevada da Embrapa: metodologias, resultados e impactos. In: MOSTRA DE INICIAÇÃO CIENTÍFICA, 14.; MOSTRA DE PÓS-GRADUAÇÃO DA EMBRAPA TRIGO, 11., 2019, Passo Fundo. Resumos... Brasília, DF: Embrapa, 2019. Resumos graduação, p. 37.| Biblioteca(s): Embrapa Trigo. |
|    |
| Registros recuperados : 150 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Pecuária Sul. |
|
Data corrente: |
04/11/2021 |
|
Data da última atualização: |
04/11/2021 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
RICCE, W. da S.; BALDISSERA, T. C.; PINTO, C. E.; GARAGORRY, F. C. |
|
Afiliação: |
WILIAN DA SILVA RICCE, EPAGRI; TIAGO CELSO BALDISSERA, EPAGRI; CASSIANO EDUARDO PINTO, EPAGRI; FABIO CERVO GARAGORRY, CPPSUL. |
|
Título: |
Suporte a decisão de manejo de pastagens: aprendizado de máquina para predição da disponibilidade de forragem. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: SIMPÓSIO INTERNACIONAL CIÊNCIA, SAÚDE E TERRITÓRIO, 6., 2021, Lages. Saúde única: desafios e perspectivas: anais. Lages: Uniplac: Epagri, 2021. |
|
Páginas: |
p. 835-841. |
|
Idioma: |
Português |
|
Conteúdo: |
Algoritmos de aprendizado de máquina são utilizados para a predição de valores a partir de resultados obtidos em base de dados gerando informações robustas com baixo custo. O objetivo deste trabalho foi avaliar alguns algoritmos de aprendizado de máquina na predição da disponibilidade de pastagem em sistemas integrados de produção agropecuária. O trabalho foi desenvolvido em Ponta Grossa ? PR, de janeiro de 2011 a junho de 2013, em sistema integrado de produção agropecuária consorciado com as seguintes pastagens: Axonopus catharinensis, Brachiaria brizantha cv. Marandu, Megathyrsus maximus cv. Aruana, Hemarthria altissima cv. Flórida, Cynodon spp. híbrido Tifton 85 e Paspalum notatum cv. Pensacola. Os tratamentos utilizados foram doses de N (0 e 300 kg/ha/ano), condição de cultivo (sol ou sombra) e severidade de desfolha (50 e 70%). Foram realizados medidos a altura das pastagens, a interceptação da radiação solar e a produção de matéria seca em g/m2. Para a estimativa da produção de pastagem, foram avaliados os modelos de regressão linear múltipla, árvore de decisão, random forest e k-vizinhos, avaliando MSE, RMSE, MAE e R2. A árvore de decisão foi o modelo com melhor desempenho. Conclui-se que algoritmos de aprendizado de máquina são ferramentas que podem ser utilizadas para a predição da produção de pastagens. Algoritmos de predição, Produção de matéria seca, Sistemas Integrados de Produção Agropecuária. |
|
Palavras-Chave: |
Predição. |
|
Thesagro: |
Manejo; Pastagem. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/227400/1/Anais-artigo-2.pdf
|
|
Marc: |
LEADER 02171nam a2200193 a 4500
001 2135776
005 2021-11-04
008 2021 bl uuuu u00u1 u #d
100 1 $aRICCE, W. da S.
245 $aSuporte a decisão de manejo de pastagens$baprendizado de máquina para predição da disponibilidade de forragem.$h[electronic resource]
260 $aIn: SIMPÓSIO INTERNACIONAL CIÊNCIA, SAÚDE E TERRITÓRIO, 6., 2021, Lages. Saúde única: desafios e perspectivas: anais. Lages: Uniplac: Epagri$c2021
300 $ap. 835-841.
520 $aAlgoritmos de aprendizado de máquina são utilizados para a predição de valores a partir de resultados obtidos em base de dados gerando informações robustas com baixo custo. O objetivo deste trabalho foi avaliar alguns algoritmos de aprendizado de máquina na predição da disponibilidade de pastagem em sistemas integrados de produção agropecuária. O trabalho foi desenvolvido em Ponta Grossa ? PR, de janeiro de 2011 a junho de 2013, em sistema integrado de produção agropecuária consorciado com as seguintes pastagens: Axonopus catharinensis, Brachiaria brizantha cv. Marandu, Megathyrsus maximus cv. Aruana, Hemarthria altissima cv. Flórida, Cynodon spp. híbrido Tifton 85 e Paspalum notatum cv. Pensacola. Os tratamentos utilizados foram doses de N (0 e 300 kg/ha/ano), condição de cultivo (sol ou sombra) e severidade de desfolha (50 e 70%). Foram realizados medidos a altura das pastagens, a interceptação da radiação solar e a produção de matéria seca em g/m2. Para a estimativa da produção de pastagem, foram avaliados os modelos de regressão linear múltipla, árvore de decisão, random forest e k-vizinhos, avaliando MSE, RMSE, MAE e R2. A árvore de decisão foi o modelo com melhor desempenho. Conclui-se que algoritmos de aprendizado de máquina são ferramentas que podem ser utilizadas para a predição da produção de pastagens. Algoritmos de predição, Produção de matéria seca, Sistemas Integrados de Produção Agropecuária.
650 $aManejo
650 $aPastagem
653 $aPredição
700 1 $aBALDISSERA, T. C.
700 1 $aPINTO, C. E.
700 1 $aGARAGORRY, F. C.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pecuária Sul (CPPSUL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
