Modelagem do crescimento de frutos da goiabeira "pedro sato": análise multiresposta com regressão não linear e algoritmos de aprendizado de máquina

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.