Redes neurais artificiais na estimativa da retenção de água do solo / Artificial neural networks to estimate soil water retention
Ci. Rural
; 44(2): 293-300, fev. 2014. ilus, tab
Article
em Pt
| VETINDEX
| ID: vti-29202
Biblioteca responsável:
BR68.1
Localização: BR68.1
RESUMO
O trabalho teve como objetivo apresentar uma proposta de metodologia para estimativa da curva de retenção de água, para solos do Estado do Rio Grande do Sul, a partir do uso de redes neurais artificiais. Para o desenvolvimento do trabalho, foi montado um banco de dados com informações disponíveis na literatura, de textura e estrutura dos solos do Estado do Rio Grande do Sul. Para o desenvolvimento das redes, utilizou-se o software Matlab, no qual foram treinadas diferentes arquiteturas, variando os números de neurônios na camada de entrada e camada intermediária. A eficiência das redes foi analisada graficamente pela relação 11, entre os dados estimados versus os observados, por meio de indicadores estatísticos. Observou-se, a partir dos resultados, que a arquitetura com melhor capacidade preditiva foi 4-24-7, com classificação do índice de desempenho "ótimo". Assim, pode-se inferir que o uso de redes neurais, para estimativa da curva de retenção de água no solo, é uma ferramenta com alta capacidade preditiva e que trará grande contribuição ao setor agrícola.(AU)
ABSTRACT
The study aims to propose a methodology for estimating the water retention curve for soils of the State of Rio Grande do Sul, by using artificial neural networks. For the development of the research it was assembled a database with information available in the literature, texture and structure of soils of Rio Grande do Sul. The modeling was developed using the software Matlab, where the networks were trained with different architectures, varying the numbers of neurons in the input layer and the hidden layer. The efficiency of the network was analyzed graphically by the ratio 11 between the estimated versus the observed data by means of statistical indicators. It was observed from the results that the architecture with best predictive performance was the 4-24-7, with index classification of "great" performance. Thus it can be inferred that the use of neural networks to estimate the water retention curve of the soil is a tool with high predictive ability which will bring great contribution to the agricultural sector.(AU)
Palavras-chave
Texto completo:
1
Base de dados:
VETINDEX
Idioma:
Pt
Revista:
Ci. Rural
Ano de publicação:
2014
Tipo de documento:
Article