Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/30474
metadata.teses.dc.title: Estudo comparativo de técnicas de inteligência computacional para estimação dos requerimentos energéticos de gado bovino
metadata.teses.dc.title.alternative: Comparative study of computational intelligence techniques for estimation of energy requirements of cattle
metadata.teses.dc.creator: Lima, Robson Rosserrani de
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/1951728792355338
metadata.teses.dc.contributor.advisor1: Ferreira, Danton Diego
metadata.teses.dc.contributor.advisor-co1: Gionbelli, Mateus Pies
metadata.teses.dc.contributor.referee1: Ferreira, Danton Diego
metadata.teses.dc.contributor.referee2: Cerqueira, Augusto Santiago
metadata.teses.dc.contributor.referee3: Lacerda, Wilian Soares
metadata.teses.dc.contributor.referee4: San Vito, Elias
metadata.teses.dc.subject: Inteligência computacional
Redes Neurais
Lógica fuzzy
Bovino - Exigências energéticas
Bovino - Alimentação e rações
Consumo de Energia Metabolizável (CEM)
Computational intelligence
Neural networks
Fuzzy logic
Cattle - Energy Requirements
Cattle - Feeding and feeds
Metabolizable energy
metadata.teses.dc.date.issued: 24-Sep-2018
metadata.teses.dc.identifier.citation: LIMA, R. R. de. Estudo comparativo de técnicas de inteligência computacional para estimação dos requerimentos energéticos de gado bovino. 2018. 93 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação)–Universidade Federal de Lavras, Lavras, 2018.
metadata.teses.dc.description.resumo: O Brasil é o segundo maior exportador de carne bovina do mundo e dados apontam para um aumento crescente no consumo e exportação, demandando um aumento na produção. Devido às questões ambientais, torna-se importante que esse acréscimo ocorra sem que se aumente significantemente a área de produção. A chave para isso reside em conhecimento preciso das exigências nutricionais e da composição dos alimentos fornecidos ao gado brasileiro. As técnicas baseadas em Inteligência Computacional (IC) vêm ganhando espaço nas ciências animais e se mostrando ferramentas eficazes para as mais diversas aplicações. Nesta Dissertação de Mestrado foram desenvolvidos modelos capazes de estimar os requerimentos energéticos do gado bovino, uma das bases para elaboração de dietas eficientes para os animais. Foram desenvolvidas nesse trabalho técnicas baseadas em Redes Neurais Artificiais (RNA) e Sistemas de Inferência Fuzzy (SIF), alicerces da IC, como alternativas aos métodos clássicos. As técnicas abordadas foram: Redes Perceptron Multicamadas (MLP) com treinamento backpropagation baseado no algoritmo Gradiente Conjugado Escalonado (SCG), Rede Neural de Regressão Generalizada (RNRG) e Sistemas de Inferência Neuro-Fuzzy Adaptativos (ANFIS). Todas as técnicas foram empregadas para a estimação do Consumo de Energia Metabolizável (CEM) a partir de um banco de dados de 840 animais oriundos de 31 estudos. Os resultados foram analisados estatisticamente e comparados entre si, com o método de modelagem clássico, baseado em Regressões Múltiplas (RM) e com as equações sugeridas pelo Sistema BR-CORTE. Os parâmetros utilizados para a modelagem foram: gênero, grupo genético, sistema de alimentação, Peso Corporal Vazio Médio (PCVZm) e Ganho de Peso de Corpo Vazio (GPCVZ). Os modelos propostos foram capazes de superar o desempenho médio da técnica clássica em cinco das oito métricas utilizadas para avaliar estatisticamente os modelos resultantes, apresentando ganho significativo pelo Teste de Tukey em três. A melhor metodologia encontrada foram os MLP, com resultados superiores em relação a correlação linear, índice de determinação e coeficiente de correlação de concordância. Os resultados encontrados atestam a validade das metodologias de IC para predição de requerimentos energéticos em bovinos de corte.
metadata.teses.dc.description.abstract: Brazil is the second largest exporter of beef in the world and the increase in consumption and exports, will demand an increase in production. Due to environmental issues, it is important that this increase occurs without significantly increasing the production area. The key to achieve this goal lies in an accurate knowledge of the nutritional requirements and the food composition offered to the cattle. Techniques based on Computational Intelligence (CI) are spreading in animal sciences and shown as effective tools for the most diverse applications. In this Master’s Dissertation, were developed models capable of estimating the energy requirements of cattle, one of the bases for the elaboration of efficient diets for the animals. Techniques based on Artificial Neural Network (ANN) and Fuzzy Inference Systems (FIS), foundations of CI, were developed in this work as alternatives to classical methods. The techniques covered were: Multilayer Perceptron (MLP) Networks with Backpropagation training based on Squared Conjugate Gradient (SCG), Generalized Regression Neural Networks (GRNN) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS). All techniques were used to estimate the Metabolizable Energy Intake (MEI) from a database of 840 animals from 31 studies. The results were analyzed statistically and compared with each other, with the classical modeling method, based on Multiple Regressions (MR) and with the equations suggested by BR-CORTE System. The parameters used for the modeling were: gender, genetic group, feeding system, Average Empty Body Weight (AEBW) and Empty Body Weight Gain (EBWG). The proposed models were able to overcome the average performance of classical technique in five of the eight metrics used to statistically evaluate the resulting models, presenting a significant gain by the Tukey Test in three. The best methodology was the MLP, with superior results in relation to linear correlation, determination index and concordance correlation coefficient. The results confirm the validity of CI methodologies for the prediction of energy requirements in beef cattle.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/30474
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DEG - Engenharia de Sistemas e Automação - Mestrado (Dissertações)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.