Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/28820
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSantos, Fábio Lúcio-
dc.creatorJesus, Valquíria Aparecida Mendes de-
dc.creatorValente, Domingos Sárvio Magalhães-
dc.date.accessioned2018-03-08T16:40:52Z-
dc.date.available2018-03-08T16:40:52Z-
dc.date.issued2012-
dc.identifier.citationSANTOS, F. L.; JESUS, V. A. M. de.; VALENTE, D. S. M. Modeling of soil penetration resistance using statistical analyses and artificial neural networks. Acta Scientiarum. Agronomy, Maringá, v. 34, n. 2, p. 219-224, Apr./June 2012.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/28820-
dc.description.abstractAn important factor for the evaluation of an agricultural system's sustainability is the monitoring of soil quality via its physical attributes. The physical attributes of soil, such as soil penetration resistance, can be used to monitor and evaluate the soil's quality. Artificial Neural Networks (ANN) have been employed to solve many problems in agriculture, and the use of this technique can be considered an alternative approach for predicting the penetration resistance produced by the soil's basic properties, such as bulk density and water content. The aim of this work is to perform an analysis of the soil penetration resistance behavior measured from the cone index under different levels of bulk density and water content using statistical analyses, specifically regression analysis and ANN modeling. Both techniques show that soil penetration resistance is associated with soil bulk density and water content. The regression analysis presented a determination coefficient of 0.92 and an RMSE of 0.951, and the ANN modeling presented a determination coefficient of 0.98 and an RMSE of 0.084. The results show that the ANN modeling presented better results than the mathematical model obtained from regression analysis.pt_BR
dc.languageen_USpt_BR
dc.publisherEditora da Universidade Estadual de Maringá - EDUEMpt_BR
dc.rightsAttribution 4.0 International*
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceActa Scientiarum. Agronomypt_BR
dc.subjectModelingpt_BR
dc.subjectSoil physical propertiespt_BR
dc.subjectNeural networkspt_BR
dc.subjectModelagempt_BR
dc.subjectPropriedades físicas do solopt_BR
dc.subjectRedes neuraispt_BR
dc.titleModeling of soil penetration resistance using statistical analyses and artificial neural networkspt_BR
dc.title.alternativeModelagem da resistência à penetração do solo usando análises estatísticas e redes neurais artificiaispt_BR
dc.typeArtigopt_BR
dc.description.resumoUm importante fator para a avaliação da sustentabilidade de sistemas agrícolas é o monitoramento da qualidade do solo por meio de seus atritutos físicos. Logo, atributos físicos do solo, como resistência à penetração, podem ser empregados no monitoramento e na avaliação da qualidade do solo. Redes Neurais Artificiais (RNA) tem sido empregadas na solução de vários problemas na agricultura, neste contexto, o uso desta técnica pode ser considerada uma abordagem alternativa para se predizer a resistência à penetração do solo a partir de suas propriedades básicas como densidade e teor de água. Portanto, o objetivo desse trabalho foi desenvolver um estudo do comportamento da resistência à penetração do solo, medida a partir do índice de cone, empregando análise de regressão e modelagem por RNA. Ambas as técnicas mostraram que a resistância à penetração do solo está associada com a densidade e o teor de água do solo. A análise de regressão apresentou coeficiente de regressão de 0,92 e REMQ igual a 0,951 enquanto a modelagem por RNA apresentou coeficiente de determinação de 0,98 e REMQ igual a 0.084. Os resultados indicaram que a modelagem por RNA apresentou melhores resultados do que o modelo matemático obtido a partir da análise de regressão.pt_BR
Aparece nas coleções:DEG - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Modeling of soil penetration resistance using statistical analyses and artificial neural networks.pdf1,65 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons