Use este identificador para citar ou linkar para este item:
http://dspace.bc.uepb.edu.br/jspui/handle/123456789/33343
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Santos, Albert Alves dos | - |
dc.date.accessioned | 2024-12-16T11:35:43Z | - |
dc.date.available | 2024-12-16T11:35:43Z | - |
dc.date.issued | 2024-11-21 | - |
dc.identifier.other | CDD 634.3 | - |
dc.identifier.uri | http://dspace.bc.uepb.edu.br/jspui/handle/123456789/33343 | - |
dc.description | SANTOS, Albert Alves dos. Modelagem do crescimento de frutos da goiabeira "Pedro Sato": Análise Multiresposta com Regressão não linear e algoritmos de Aprendizado de Máquina. 2024. 51 p. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Estadual da Paraíba, Centro de Ciências e Tecnologia, Campina Grande, 2024. | pt_BR |
dc.description.abstract | Este trabalho tem como objetivo modelar o crescimento de frutos da goiabeira “Pedro Sato” utilizando técnicas de Regressão não linear multiresposta e algoritmos de Aprendizado de Máquina. Foram analisadas o peso e o volume dos frutos em função do comprimento longitudinal, aplicando modelos clássicos como Logístico, Von Bertalanffy e Richards, além dos algoritmos Árvore de Decisão, Random Forest e Máquina de Vetores de Suporte (SVM). A avaliação dos modelos foi realizada com base nos Critérios de Informação de Akaike (AIC), o Bayesiano (BIC) e a Raiz do Erro Quadrático Médio (RMSE), permitindo a identificação do modelo mais preciso para os dados experimentais. Os resultados demonstraram que o Random Forest foi o modelo com melhor desempenho, apresentando menor erro residual e maior capacidade de capturar interações complexas nos dados, enquanto o modelo de Von Bertalanffy destacou-se na descrição do padrão global de crescimento dos frutos. A aplicação dos modelos de Aprendizado de Máquina, especialmente o Random Forest, mostrou-se eficaz para prever o desenvolvimento dos frutos, sendo útil para o manejo agrícola e a otimização da colheita. Este estudo contribui para o avanço da modelagem de dados biológicos, demonstrando o potencial dos modelos de Aprendizado de Máquina em complementar as abordagens tradicionais em estudos de crescimento vegetal. | pt_BR |
dc.description.sponsorship | Orientador: Profa. Dra. Ana Patrícia Bastos Peixoto de Oliveira | pt_BR |
dc.language.iso | other | pt_BR |
dc.subject | Modelos de crescimento | pt_BR |
dc.subject | Random Forest | pt_BR |
dc.subject | Agricultura de precisão | pt_BR |
dc.subject | Manejo agrícola | pt_BR |
dc.title | Modelagem do crescimento de frutos da goiabeira "pedro sato": análise multiresposta com regressão não linear e algoritmos de aprendizado de máquina | pt_BR |
dc.type | Other | pt_BR |
Aparece nas coleções: | 09 - TCC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC - Albert Alves dos Santos.pdf | TCC - Albert Alves dos Santos | 620.43 kB | Adobe PDF | Visualizar/Abrir |
Termo de Depósito.pdf | Termo de Depósito | 169 kB | Adobe PDF | Visualizar/Abrir Solictar uma cópia |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.