Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho.
| Ano de defesa: | 2008 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/491620 |
Resumo: | O ensaio nacional de milho, conjunto de experimentos científicos realizados em diversas cidades do Brasil, tem como objetivo avaliar o desempenho de cultivares (plantas) de milho, em diferentes condições de solo, clima e altitude. Nesses experimentos, o desenvolvimento da cultura é monitorado durante todo o ciclo do plantio, coletando-se informações acerca do comportamento das plantas. Essas informações são posteriormente utilizadas para selecionar as cultivares mais indicadas para cada região e também para se avaliar a viabilidade do lançamento comercial de cultivares em processo de desenvolvimento. Nesta dissertação, investiga-se a utilização do processo de descoberta de conhecimento em banco de dados (KDD - Knowledge Discovery in Databases) aplicado aos dados gerados a partir dos experimentos que compõem o ensaio nacional de milhos híbridos elite, safra 2003/2004, com o objetivo de verificar a possibilidade de se reduzir o número de experimentos realizados, sem perda na qualidade e representatividade dos dados necessários para a perfeita avaliação das cultivares plantadas. Para isso, a interação entre solo, clima e planta de milho foi modelada e os principais componentes de cada um destes sistemas foram identificados. Também é investigada a aplicabilidade do uso de redes neurais artificiais para estimar dados de umidade relativa do ar, necessários ao modelo definido. Utilizando técnicas de Data Mining (análise de cluster), foram construídos agrupamentos de experimentos (cidades) que, de acordo com a metodologia proposta neste trabalho, são similares em termos de solo, clima e comportamento das plantas de milho. A coerência dos agrupamentos formados foi avaliada através de dois critérios, sendo o primeiro deles proposto nesta dissertação e o segundo definido por pesquisadores em melhoramento genético da Embrapa Milho Sorgo. Na avaliação pelo primeiro critério, dos 11 agrupamentos formados, quatro foram considerados incoerentes e pelo segundo critério, nenhum agrupamento foi considerado coerente. |
| id |
EMBR_4cccfdb34fe79fa2249ad7e5d8aa3b0b |
|---|---|
| oai_identifier_str |
oai:www.alice.cnptia.embrapa.br:doc/491620 |
| network_acronym_str |
EMBR |
| network_name_str |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
| repository_id_str |
|
| spelling |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho.Banco de dadosMelhoramento genéticoRedes neuraisComputaçãoMilhoO ensaio nacional de milho, conjunto de experimentos científicos realizados em diversas cidades do Brasil, tem como objetivo avaliar o desempenho de cultivares (plantas) de milho, em diferentes condições de solo, clima e altitude. Nesses experimentos, o desenvolvimento da cultura é monitorado durante todo o ciclo do plantio, coletando-se informações acerca do comportamento das plantas. Essas informações são posteriormente utilizadas para selecionar as cultivares mais indicadas para cada região e também para se avaliar a viabilidade do lançamento comercial de cultivares em processo de desenvolvimento. Nesta dissertação, investiga-se a utilização do processo de descoberta de conhecimento em banco de dados (KDD - Knowledge Discovery in Databases) aplicado aos dados gerados a partir dos experimentos que compõem o ensaio nacional de milhos híbridos elite, safra 2003/2004, com o objetivo de verificar a possibilidade de se reduzir o número de experimentos realizados, sem perda na qualidade e representatividade dos dados necessários para a perfeita avaliação das cultivares plantadas. Para isso, a interação entre solo, clima e planta de milho foi modelada e os principais componentes de cada um destes sistemas foram identificados. Também é investigada a aplicabilidade do uso de redes neurais artificiais para estimar dados de umidade relativa do ar, necessários ao modelo definido. Utilizando técnicas de Data Mining (análise de cluster), foram construídos agrupamentos de experimentos (cidades) que, de acordo com a metodologia proposta neste trabalho, são similares em termos de solo, clima e comportamento das plantas de milho. A coerência dos agrupamentos formados foi avaliada através de dois critérios, sendo o primeiro deles proposto nesta dissertação e o segundo definido por pesquisadores em melhoramento genético da Embrapa Milho Sorgo. Na avaliação pelo primeiro critério, dos 11 agrupamentos formados, quatro foram considerados incoerentes e pelo segundo critério, nenhum agrupamento foi considerado coerente.Dissertação (Mestrado) - Pontifica Universidade Católica de Minas Gerais, Belo Horizonte, MG.WANDERLEY CLARETE LANZA MEIRELLES, CNPMS.MEIRELLES, W. C. L.2025-05-13T14:47:40Z2025-05-13T14:47:40Z2008-12-052008info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis126 f.2008.http://www.alice.cnptia.embrapa.br/alice/handle/doc/491620porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPA2025-05-17T11:37:47Zoai:www.alice.cnptia.embrapa.br:doc/491620Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542025-05-17T11:37:47Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false |
| dc.title.none.fl_str_mv |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| title |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| spellingShingle |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. MEIRELLES, W. C. L. Banco de dados Melhoramento genético Redes neurais Computação Milho |
| title_short |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| title_full |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| title_fullStr |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| title_full_unstemmed |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| title_sort |
Estruturação do problema e análise de similaridade, aplicados na redução do número de locais de experimentos em ensaios nacionais de milho. |
| author |
MEIRELLES, W. C. L. |
| author_facet |
MEIRELLES, W. C. L. |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
WANDERLEY CLARETE LANZA MEIRELLES, CNPMS. |
| dc.contributor.author.fl_str_mv |
MEIRELLES, W. C. L. |
| dc.subject.por.fl_str_mv |
Banco de dados Melhoramento genético Redes neurais Computação Milho |
| topic |
Banco de dados Melhoramento genético Redes neurais Computação Milho |
| description |
O ensaio nacional de milho, conjunto de experimentos científicos realizados em diversas cidades do Brasil, tem como objetivo avaliar o desempenho de cultivares (plantas) de milho, em diferentes condições de solo, clima e altitude. Nesses experimentos, o desenvolvimento da cultura é monitorado durante todo o ciclo do plantio, coletando-se informações acerca do comportamento das plantas. Essas informações são posteriormente utilizadas para selecionar as cultivares mais indicadas para cada região e também para se avaliar a viabilidade do lançamento comercial de cultivares em processo de desenvolvimento. Nesta dissertação, investiga-se a utilização do processo de descoberta de conhecimento em banco de dados (KDD - Knowledge Discovery in Databases) aplicado aos dados gerados a partir dos experimentos que compõem o ensaio nacional de milhos híbridos elite, safra 2003/2004, com o objetivo de verificar a possibilidade de se reduzir o número de experimentos realizados, sem perda na qualidade e representatividade dos dados necessários para a perfeita avaliação das cultivares plantadas. Para isso, a interação entre solo, clima e planta de milho foi modelada e os principais componentes de cada um destes sistemas foram identificados. Também é investigada a aplicabilidade do uso de redes neurais artificiais para estimar dados de umidade relativa do ar, necessários ao modelo definido. Utilizando técnicas de Data Mining (análise de cluster), foram construídos agrupamentos de experimentos (cidades) que, de acordo com a metodologia proposta neste trabalho, são similares em termos de solo, clima e comportamento das plantas de milho. A coerência dos agrupamentos formados foi avaliada através de dois critérios, sendo o primeiro deles proposto nesta dissertação e o segundo definido por pesquisadores em melhoramento genético da Embrapa Milho Sorgo. Na avaliação pelo primeiro critério, dos 11 agrupamentos formados, quatro foram considerados incoerentes e pelo segundo critério, nenhum agrupamento foi considerado coerente. |
| publishDate |
2008 |
| dc.date.none.fl_str_mv |
2008-12-05 2008 2025-05-13T14:47:40Z 2025-05-13T14:47:40Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
2008. http://www.alice.cnptia.embrapa.br/alice/handle/doc/491620 |
| identifier_str_mv |
2008. |
| url |
http://www.alice.cnptia.embrapa.br/alice/handle/doc/491620 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
126 f. |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa) instacron:EMBRAPA |
| instname_str |
Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
| instacron_str |
EMBRAPA |
| institution |
EMBRAPA |
| reponame_str |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
| collection |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
| repository.name.fl_str_mv |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
| repository.mail.fl_str_mv |
cg-riaa@embrapa.br |
| _version_ |
1855565970305712128 |