Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Bonini, Alfredo | - |
Autor(es): dc.creator | Lira, Maikon V. Da Silva | - |
Autor(es): dc.creator | Meirelles, Guilherme C. | - |
Autor(es): dc.creator | Santos, Luiz F. De M. | - |
Autor(es): dc.creator | Bonini, Carolina Dos S. B. | - |
Autor(es): dc.creator | Heinrichs, Reges | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:48:40Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:48:40Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2025-04-14 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v45nespe120240176/2025 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/299533 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/299533 | - |
Descrição: dc.description | Sugarcane is pivotal in the global bioeconomy, providing a renewable resource for products such as ethanol, sugar, bioenergy, animal feed, and bioplastics. Its versatility makes it an essential crop for industries seeking sustainable alternatives to fossil fuels. This study presents an advanced approach that uses artificial neural networks (ANNs), specifically a multilayer perceptron model, to accurately estimate sugarcane productivity and biomass. The model incorporates the effects of micronutrient applications, both in the planting furrow and on the leaves, effectively capturing the complex interactions that influence crop yield. During training, the ANN demonstrated high precision, achieving a mean squared error (MSE) of 0.000097 and an R2 of 0.98, closely aligning the predicted outputs with experimental results. In the validation phase, using previously unseen data, it maintained strong performance, with an MSE of 0.0008796. This performance supports the model's ability to generalize beyond the training set, reliably estimating sugarcane yield and biomass under varying conditions. These findings highlight the potential of ANN-based approaches to enhance agricultural management, offering a robust tool to optimize crop performance and improve resource allocation in real-world farming scenarios. | - |
Descrição: dc.description | UNESP, School of Sciences and Engineering | - |
Descrição: dc.description | UNESP, College of Agricultural and Technological Sciences | - |
Descrição: dc.description | UNESP, School of Sciences and Engineering | - |
Descrição: dc.description | UNESP, College of Agricultural and Technological Sciences | - |
Formato: dc.format | - | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Associação Brasileira de Engenharia Agrícola | - |
Relação: dc.relation | Engenharia Agrícola | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
???dc.source???: dc.source | SciELO | - |
Palavras-chave: dc.subject | artificial intelligence | - |
Palavras-chave: dc.subject | predicting | - |
Palavras-chave: dc.subject | fertilization | - |
Palavras-chave: dc.subject | micronutrients | - |
Palavras-chave: dc.subject | sugarcane | - |
Título: dc.title | ARTIFICIAL NEURAL NETWORKS FOR PREDICTING SUGARCANE STALK AND TOTAL BIOMASS YIELD BASED ON MICRONUTRIENT RATES APPLIED IN THE PLANTING FURROW AND TO THE LEAVES | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: