1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Engenharia de Sistemas e automação (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/1943
Registro completo de metadados
Campo DCValorIdioma
dc.creatorFerreira, Leandro-
dc.date.accessioned2014-08-01T18:01:25Z-
dc.date.available2014-08-01T18:01:25Z-
dc.date.issued2014-08-01-
dc.date.submitted2009-02-20-
dc.identifier.citationFERREIRA, L. Aplicação de sistemas fuzzy e neuro-fuzzy para predição da temperatura retal de frangos de corte. 2009. 56 p. Dissertação (Mestrado em Engenharia de Sistemas)-Universidade Federal de Lavras, Lavras, 2009.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/1943-
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectLógica fuzzypt_BR
dc.subjectRedes neuro-fuzzypt_BR
dc.subjectAviculturapt_BR
dc.subjectConforto térmicopt_BR
dc.titleAplicação de sistemas fuzzy e neuro-fuzzy para predição da temperatura retal de frangos de cortept_BR
dc.title.alternativeApplication of fuzzy and neuro-fuzzy systems for rectal temperature prediction of broiler chickenspt_BR
dc.typedissertaçãopt_BR
dc.publisher.programDEG - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationModelagem de Sistemas Biológicospt_BR
dc.contributor.advisor1Yanagi Júnior, Tadayuki-
dc.contributor.referee1Souza, Sérgio Martins de-
dc.contributor.referee1Lacerda, Wilian Soares-
dc.contributor.referee1Silva, Kesia Oliveira da-
dc.contributor.referee1Hardoim, Paulo César-
dc.description.resumoOs objetivos do presente trabalho foram desenvolver e validar um sistema de suporte à decisão, utilizando sistema fuzzy, baseado na teoria dos conjuntos fuzzy, e um sistema neuro-fuzzy (rede neuro-fuzzy), baseado no algoritmo LOLIMOT (Local Linear Model Tree), para a predição da temperatura retal de frangos de corte. Os sistemas foram desenvolvidos com base em três variáveis de entrada: temperatura do ar (T), umidade relativa (UR) e velocidade do ar (V), tendo como variável de saída, a temperatura retal (TR). A inferência do sistema fuzzy foi realizada por meio do método tipo Mamdani, que consistiu na elaboração de 48 regras e a defuzzificação por meio do Centro de Gravidade, utilizando o ambiente computacional MAPLE® 8. Para a confecção da rede neuro-fuzzy, foram utilizadas funções de pertinência tipo gaussiana (funções peso) com desvio padrão de 0,33 e número de partições do espaço de entrada igual a 10. A rede neuro-fuzzy foi desenvolvida no ambiente computacional SCILAB 4.1. Resultados experimentais, usados para a validação, mostraram que os desvios padrões médios entre os valores simulados e medidos de TR para os sistemas fuzzy e neuro-fuzzy foram de 0,13°C e 0,11°C, respectivamente. Os sistemas fuzzy e neuro-fuzzy propostos predizem satisfatoriamente a temperatura retal com base nas variáveis climáticas (T, UR e V), podendo ser utilizados como suportes à decisão em sistemas de criação de frangos de corte.pt_BR
dc.description.resumoThe aims of this research was to develop and validate a decision support system using fuzzy system, on the ground of fuzzy sets theory, and a neuro-fuzzy system (neuro-fuzzy network), based on the algorithm LOLIMOT (Local Linear Model Tree ) for rectal temperature prediction of broiler chickens. The systems were developed based on the ground of three input variables: air temperature (T), relative humidity (RH) and air velocity (V). The output variable was the rectal temperature (RT). The fuzzy inference system was performed through the Mamdani´s method which consisted in elaborating 48 rules. The defuzzification was done by Center of Gravity Method. The fuzzy system was developed using MAPLE® 8. Gaussian pertinence functions type with 0.33 standard deviation were used in order to perform the neuro-fuzzy network. Ten input data partitions were adapted by the system. The neuro-fuzzy network was developed using SCILAB 4.1. Experimental results, used for validation, showed that the average standard deviations between the simulated and measured values of RT by the fuzzy and neuro-fuzzy systems were 0.13°C and 0.11°C, respectively. The proposed fuzzy and neuro-fuzzy systems were found to satisfactorily predict rectal temperature based on climatic variables (T, RH and V). Therefore, they could be used as decision support system on broiler chicken growth.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Engenharia de Sistemas e automação (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Aplicação de sistemas fuzzy e neuro-fuzzy para predição da temperatura retal de frangos de corte.pdf393,55 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.