Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/5400
Tipo: Dissertação
Título: Predição da variabilidade espacial da produtividade agrícola com modelos ocultos de Markov
Autor(es): Ferreira, Jean Samarone Almeida
Primeiro Orientador: Ferreira, Ana Paula Ludtke
Coorientador: Perez, Naylor Bastiani
1° Membro da banca: Ferreira, Ana Paula Ludtke
2° Membro da banca: Wrege , Marcos Silveira
3° Membro da banca: Holbig, Carlos Amaral
4° Membro da banca: Lampert, Vinicius do Nascimento
Resumo: O trabalho desenvolvido nesta dissertação de mestrado caracteriza-se como uma pesquisa exploratória, que utiliza um estudo de caso com base em dados coletados em uma das áreas de produção da Embrapa Pecuária Sul e revisão de literatura relacionada ao problema. O trabalho é justificado pela necessidade de tentar entender e prever a produtividade de uma determinada área ao longo do tempo. O objetivo é prever o que pode acontecer em uma colheita, usando um modelo de Markov oculto para inferências probabilísticas em dados históricos. Os dados foram organizados em sequências de estados, onde cada estado representa um resultado de produtividade (a parte oculta do modelo) e dados referentes às condições coletadas de dados meteorológicos, do solo, do balanço hídrico e de outros dados (a parte visível do modelo). A implementação do modelo foi feita com a linguagem R . Foi feita uma comparação entre os modelos com dados reais e simulados. Os resultados apontam a necessidade de um conjunto maior de dados de produtividade para que o modelo seja confiável. O modelo mostrou-se adequado para predizer a produtividade ao longo das safras, mas a estimativa da variabilidade dentro de uma determinada área é mais sensível à disponibilidade e discretização dos dados de entrada.
Abstract: The work developed in this Master’s Thesis is characterized as exploratory research using a case study based on data collected from one of Embrapa Pecuária Sul production areas, and problem-related literature review. The work is justified by the need to try to understand and predict land productivity over different times and seasons. The goal is to predict what might happen in a crop, using a hidden Markov model for probabilistic inference on historical data. The data were organized in state sequences, where each state represents a productivity result (the model hidden part) or data regarding conditions gathered from meteorological, soil, water balance, and other data (the model visible part). Model implementation was done using R software libraries. A comparison was made between models with real and simulated data. The results point to the need for a larger set of productivity data so that the model results are reliable. The model was adequate to predict yield throughout the crop, but the estimation of variability within a given area is more sensitive to input data availability and discretization.
Palavras-chave: Modelo oculto de Markov
Produtividade agrícola
Variabilidade espacial
Inferência probabilística
Hidden Markov model
Agricultural productivity
Spatial variability
Probabilistic inference
CNPq: CNPQ::ENGENHARIAS
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Curso: Mestrado em Computação Aplicada
Citação: FERREIRA, Jean Samarone Almeida .Predição da variabilidade espacial da produtividade agrícola com modelos ocultos de Markov. 90 f. 2019. Dissertação (Mestrado) – Programa de Pós-Graduação Mestrado Acadêmico em Computação Aplicada – Universidade Federal do Pampa, Campus Bagé, Bagé, 2019.
Tipo de Acesso: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5400
Data do documento: 5-Dez-2019
Aparece nas coleções:Mestrado em Computação Aplicada

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DIS Jean Ferreira 2019.pdf3.14 MBAdobe PDFVisualizar/Abrir


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