Aplicação de técnicas de Deep Learning para estimar o coeficiente de uniformidade de microaspersores em sistemas de irrigação por aspersão

• Ano de defesa: 2021
• Autor(a) principal: Santos, Everton Schneider dos
• Orientador(a): Menezes, Paulo Lopes de
• Banca de defesa: Candido Junior, Arnaldo , Sandmann, André , Araújo, Everton Coimbra de , Lima, Vera Lucia Antunes de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Medianeira
• Programa de Pós-Graduação: Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio
• País: Brasil
• Palavras-chave em Português: Irrigação agrícola; Irrigação por aspersores; Redes neurais (Computação); Irrigation farming; Sprinkler irrigation; Neural networks (Computer science)
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/30307

Incertezas relacionadas à disponibilidade e o preço dos recursos hídricos, causadas pelo aumento da população e mudanças climáticas, são alguns dos desafios enfrentados pela agricultura irrigada. A otimização dos processos de irrigação deverá ser feita para que ocorra uma diminuição na utilização da água pela agricultura sem que isso interfira na produção de alimentos. A simulação da uniformidade de distribuição, que é uma das principais formas de avaliação da qualidade de utilização da água em sistemas de irrigação por microaspersão, pode ajudar a diminuir os gastos com testes de campo aplicados na medição dessa variável. Este trabalho se propôs a utilizar redes neurais artificiais e técnicas de Deep Learning para realizar a predição da precipitação da água e estimar, de forma efetiva, o coeficiente de uniformidade de microaspersores. Utilizando técnicas de busca bayesiana e otimização de hiperparâmetros, um modelo de predição desenvolvido foi capaz de estimar o coeficiente de uniformidade de Christiansen, em uma distância entre aspersores de 12x12 metros, com um erro médio de apenas 0,79% no conjunto de dados de validação. Este mesmo modelo alcançou um RMSE de 64,2487 e um R2 de 0,9287, demonstrando que a metodologia aplicada neste trabalho é capaz de simular processos de irrigação com microaspersores, podendo assim ser utilizada para diminuir os gastos relacionados à experimentação e ajudar no apoio a tomada de decisões por parte dos gerenciadores de sistemas de irrigação.