| Popis: |
Objetivo: Objetivou-se desenvolver uma Rede Neural Artificial (RNA) para estimar as necessidades de fósforo (P) e potássio (K) em áreas de pivô central cultivadas com tomate industrial. Métodos: Os dados foram coletados utilizando uma grade amostral de 60x60m, totalizando 120 pontos amostrais, em que foram utilizados para o treinamento da RNA. Para preparação e treinamento das redes foi utilizado o algoritmo de retropropagação de erros. Resultados: 20.000 RNAs foram treinadas, em que nas fases de treinamento 14.000 redes apresentaram ótimo desempenho para as estimativas da necessidade de P, enquanto na fase de validação externa o número de redes com ótimo desempenho foi de 8.000, já em relação a necessidade K foram observadas 12.000 redes com ótimo desempenho nas fases de treinamento e na validação externa aproximadamente 1.400. Conclusão: A rede neural artificial com topologia do tipo Perceptron de Múltiplas Camadas (MLP) possibilitou obter estimativas da necessidade de fósforo e da necessidade de potássio com um ótimo desempenho, coeficientes de determinação superiores a 0,90, indicando bons ajustes, e coeficientes de correlação acima de 91%. |
