Use este identificador para citar ou linkar para este item:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1135776Registro completo de metadados
| Campo DC | Valor | Idioma |
|---|---|---|
| dc.contributor.author | RICCE, W. da S. | |
| dc.contributor.author | BALDISSERA, T. C. | |
| dc.contributor.author | PINTO, C. E. | |
| dc.contributor.author | GARAGORRY, F. C. | |
| dc.date.accessioned | 2021-11-04T15:00:40Z | - |
| dc.date.available | 2021-11-04T15:00:40Z | - |
| dc.date.created | 2021-11-04 | |
| dc.date.issued | 2021 | |
| dc.identifier.citation | In: SIMPÓSIO INTERNACIONAL CIÊNCIA, SAÚDE E TERRITÓRIO, 6., 2021, Lages. Saúde única: desafios e perspectivas: anais. Lages: Uniplac: Epagri, 2021. | |
| dc.identifier.uri | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1135776 | - |
| dc.description | 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. | |
| dc.language.iso | por | |
| dc.rights | openAccess | pt_BR |
| dc.subject | Predição | |
| dc.title | Suporte a decisão de manejo de pastagens: aprendizado de máquina para predição da disponibilidade de forragem. | |
| dc.type | Artigo em anais e proceedings | |
| dc.subject.thesagro | Pastagem | |
| dc.subject.thesagro | Manejo | |
| dc.format.extent2 | p. 835-841. | |
| riaa.ainfo.id | 1135776 | |
| riaa.ainfo.lastupdate | 2021-11-04 | |
| dc.contributor.institution | WILIAN DA SILVA RICCE, EPAGRI; TIAGO CELSO BALDISSERA, EPAGRI; CASSIANO EDUARDO PINTO, EPAGRI; FABIO CERVO GARAGORRY, CPPSUL. | |
| Aparece nas coleções: | Artigo em anais de congresso (CPPSUL)  | |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Anais-artigo-2.pdf | 1,37 MB | Adobe PDF |  Visualizar/Abrir |
