Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEG - Departamento de Engenharia >
DEG - Programa de Pós-graduação >
DEG - Engenharia de Sistemas e Automação - Mestrado (Dissertações) >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/416

Title: Desenvolvimento de modelos de suporte à decisão para predição de respostas fisiológicas em bovinos leiteiros
???metadata.dc.creator???: Hernández Julio, Yamid Fabián
???metadata.dc.contributor.advisor1???: Yanagi Júnior, Tadayuki
???metadata.dc.contributor.advisor-co???: Lopes, Marcos Aurélio
???metadata.dc.contributor.referee1???: Pires, Maria de Fátima de Ávila
Souza, Sérgio Martins de
Campos, Alessandro Torres
Gates, Richard S.
???metadata.dc.description.concentration???: Avaliação e modelagem de sistemas biológicos
Keywords: Desempenho fisiológico
Modelos Computacionais
Bovinocultura
Physiological performance
Computacional models
Dairy Cattle
???metadata.dc.date.submitted???: 27-Feb-2012
Issue Date: 16-Apr-2013
???metadata.dc.description.sponsorship???: Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq
Citation: HERNÁNDEZ JULIO, Y. F. Desenvolvimento de modelos de suporte à decisão para predição de respostas fisiológicas em bovinos leiteiros. 2012. 82 p. Dissertação (Mestrado em Engenharia de Sistemas) - Universidade Federal de Lavras, Lavras, 2012.
???metadata.dc.description.resumo???: Os objetivos do presente estudo foram desenvolver e validar sistemas de suporte à decisão, utilizando os sistemas baseados na inteligência artificial: lógica fuzzy, as redes neurais artificiais, rede neuro-fuzzy, e, modelos de regressão, para a predição da temperatura retal e da frequência respiratória de bovinos leiteiros em confinamento. Todos os sistemas foram desenvolvidos com base em duas variáveis de entrada: temperatura de bulbo seco (tbs) e a umidade relativa do ar (UR), tendo como variáveis de saída a temperatura retal (tretal) e a frequência respiratória (FR). A inferência do sistema fuzzy foi realizada por meio do método tipo Mamdani, que consistiu na elaboração de 192 regras e a defuzzificação por meio do Centro de Gravidade. Para a confecção da rede neural artificial e da rede neuro-fuzzy, foram utilizados dados obtidos da literatura e dados observados em campo, sendo que as funções de pertinência para o sistema neuro-fuzzy foram do tipo triangular. Os modelos de regressão foram desenvolvidos no ambiente computacional R. Resultados experimentais usados para a validação dos modelos, mostraram que os desvios padrões médios entre os valores simulados e medidos da tretal para o modelo de regressão, para o sistema fuzzy, para a rede neural artificial e para a rede neuro-fuzzy foram de 0•2°C, 0•1°C, 0•1°C e 0•2°C, respectivamente. Para os valores da FR os desvios padrões médios foram de 5•0, 4•3, 3•2 e 5•2 respirações min-1 para o modelo de regressão, sistema fuzzy, rede neural artificial e rede neuro-fuzzy, respectivamente. Dos modelos desenvolvidos, os que apresentaram menores erros de predição foram a rede neural artificial e a rede neuro-fuzzy, portanto, estes modelos são os mais indicados para a predição da temperatura retal e a frequência respiratória com base em duas variáveis climáticas (tbs e UR), podendo ser utilizados como suporte à decisão.
The objectives of this study were to develop and validate decision support systems using systems based on artificial intelligence: fuzzy logic, artificial neural networks, neuro-fuzzy networks, and regression models for the prediction of rectal temperature and respiratory frequency of dairy cows in confinement. All systems were developed based on two input variables: dry bulb air temperature (tdb) and relative humidity (RH), with rectal temperature (trectal) and respiratory rate (RR) as output variables. The fuzzy inference system was carried out using the Mamdani method, which consisted of elaborating 192 rules and defuzzification through the center of gravity. Data obtained from the literature and data observed in the field were used to manufacture the artificial neural network and the neuro-fuzzy network, where membership functions of the neuro-fuzzy system were of the triangular type. The regression models were developed in computing environment R. Experimental results were used to validate the models, and showed that the average standard deviations between the simulated and measured values of trectal for the regression model, the fuzzy system, the artificial neural network and the neuro-fuzzy network were 0.2 °C, 0.1 °C, 0.1 °C and 0.2 °C, respectively. For the values of RR, the average standard deviations were 5.0, 4.3, 3.2, and 3.5 breaths min-1 for the regression model, fuzzy model, artificial neural network and neuro-fuzzy network, respectively. Of the models developed, the artificial neural network and the neuro-fuzzy network showed the fewest prediction errors; therefore, these models are the most suitable for the prediction of rectal temperature and respiratory rate on the basis of the two climatic variables (tdb and RH), and can be used in decision support.
Description: Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Engenharia de Sistemas, área de concentração Avaliação e modelagem de sistemas biológicos, para obtenção do título de Mestre.
URI: http://repositorio.ufla.br/jspui/handle/1/416
Publisher: UNIVERSIDADE FEDERAL DE LAVRAS
???metadata.dc.language???: pt_BR
Appears in Collections:DEG - Engenharia de Sistemas e Automação - Mestrado (Dissertações)

Files in This Item:

File Description SizeFormat
DISSERTAÇÃO_Desenvolvimento de modelos de suporte à decisão para predição de respostas fisiológicas em bovinos leiteiros1.19 MBAdobe PDFView/Open

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


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback