Redes neurales artificiales para estimar las pérdidas en la producción lechera

Abstract

Este estudio tuvo como objetivo desarrollar redes neurales artificiales para estimar las pérdidas en la producción lechera, en función del índice de temperatura y humedad (ITU), considerándose el día del año. Accediendo al sitio del Instituto Nacional de Meteorología, se obtuvieron los valores de temperatura y humedad para una serie histórica de 27 años en el municipio de Nova Xavantina-MT. Así, se determinó el índice de temperatura y humedad máximo en cada día del año durante el referido período. Se optó por las redes de múltiples camadas del tipo “perceptron”. Se varió el número de camadas y neuronas para formar diferentes arquitecturas. La proximidad entre los valores reales y los estimados se evaluó por medio de diversos criterios estadísticos y por los coeficientes ofrecidos por el propio programa computacional utilizado. De esta forma se seleccionó la rede con mejor desempeño. Luego se concluyó que las redes presentaron adecuada confiablidad y precisión para predecir el ITU, de acuerdo con el día del año y que ellas pueden ser una herramienta útil en el manejo de vacas lecheras y en el planeamiento de medidas para amenizar el ambiente térmico.

Previsión del ambiente térmico para el ganado lechero mediante redes neuronales artificiales

“…Esos artificios computacionales son flexibles y robustos ante las amplias fluctuaciones e inestabilidades del microclima, bien como tienen elevada capacidad para el reconocimiento y repetición de padrones. Esas propiedades fueron comprobadas en los estudios realizados por Bilgili & Sahin (2010), Wu et al (2010), Yasar et al (2012), Depiné et al (2013) y Borges et al (2018Borges et al ( , 2019Borges et al ( , 2021a.…”

Índices de qualidade das fibras de Tectona Grandis Linn. F. em função da sua massa específica básica / Fiber quality indices of Tectona Grandis Linn. F. In function of its basic specific gravity

“…Também, os resíduos dos modelos foram submetidos à análise de normalidade por meio dos testes de Kolmogorov-Smirnov, Lilliefors e Shapiro-Wilk, bem como ao de ajuste entre os valores observados e estimados aplicando-se o teste t-Student (Binoti et al, 2014 a, b; GeorgensBorges et al, 2017). Além disso, calcularam-se os coeficientes de correlação (r), concordância de Willmott (Iw) e Nash-Sutcliffe (CNS), bem como o índice de desempenho (Id), sugeridos porRodrigues et al (2015),Sousa et al (2015),Brighenti et al (2016),Chaves et al (2016).Na análise gráfica foi avaliado o comportamento dos resíduos com o propósito de verificar a presença de tendências inadequadas na sua distribuição, conforme sugerido porBorges et al 2018Borges et al , 2019. Neste sentido foram elaborados o histograma dos resíduos e o diagrama quantil-quantil com as bandas do intervalo de confiança.…”