Submitted by Jean Medeiros (jeanletras@uepb.edu.br) on 2016-03-09T14:02:43Z No. of bitstreams: 1 PDF - Jean Pierre Cordeiro Ramos.pdf: 743229 bytes, checksum: e79f51445e4907b6849b1bc46cf35e46 (MD5) / Approved for entry into archive by Secta BC (secta.csu.bc@uepb.edu.br) on 2016-07-21T21:01:15Z (GMT) No. of bitstreams: 1 PDF - Jean Pierre Cordeiro Ramos.pdf: 743229 bytes, checksum: e79f51445e4907b6849b1bc46cf35e46 (MD5) / Approved for entry into archive by Secta BC (secta.csu.bc@uepb.edu.br) on 2016-07-21T21:01:24Z (GMT) No. of bitstreams: 1 PDF - Jean Pierre Cordeiro Ramos.pdf: 743229 bytes, checksum: e79f51445e4907b6849b1bc46cf35e46 (MD5) / Made available in DSpace on 2016-07-21T21:01:24Z (GMT). No. of bitstreams: 1 PDF - Jean Pierre Cordeiro Ramos.pdf: 743229 bytes, checksum: e79f51445e4907b6849b1bc46cf35e46 (MD5) Previous issue date: 2015-02-12 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The peanut breeding programs are based on introducing or disponibilization of genetic variability by crossing, with further selection of lines showing robust descriptors as to agronomical, nutritional and physiological aspects. The multivariate analysis methodologies have been often used to estimating the inter-relationship between genotypes, based in several descriptors in order to indicate group of promising materials for further use in breeding programs. The objective of this study was to estimate the genetic diversity among peanut genotypes based on three clustering methodology, in order to selecting parents for oil and food markets. A germplasm collection containing 77 genotypes of peanut (var. fastigiata and vulgaris) was planted in field, using plots consisted of 5m-rows, in a spacing 0.7 m X 0.2 m. The following variables were evaluated: height of main stem, total dry weight of plant, weight of pods/plant, seed weight/plant, number of pods/ plant, number of seeds/pod, weight of 100 pods, weight of 100 seeds, percent of oil in seeds, pod length, harvest index, hairiness, color of the main stem, growth habit, color seed, color of leaves, inflorescence on the main stem, early flowering and Full maturation of pods. Three clustering methods were selected for divergence analysis: Tocher, UPGMA and principal components.. It was found that the three methodologies, when used together, were consistent in group establishing, revealing interesting combinations for further use in breeding programs, aiming generation of drought tolerant lines and indicated to food market. / Os programas de melhoramento do amendoim se baseiam na introdução ou disponibilização de variabilidade genética, seguidos de seleção de linhagens que apresentem descritores responsivos pelo desempenho das plantas nos aspectos nutricionais, fisiológicos e agronômicos. Técnicas de análise multivariada têm sido frequentemente utilizadas para estimar as interrelações entre genótipos, baseando-se em vários descritores com intuito de indicar quais genótipos são mais promissores para serem inseridos em programas de melhoramento. Objetivou-se, com este trabalho, proceder a uma análise da diversidade genética entre genótipos de amendoim baseando-se em diferentes métodos de agrupamento, visando seleção de genitores para os mercados de óleo e alimento. Foram utilizados 77 genótipos na fase de pré-melhoramento de amendoim da subespécie fastigiata, contendo as variedades fastigiata e vulgaris, da coleção de amendoim da Embrapa Algodão. A unidade experimental foi constituída por uma fileira de 5 m contendo 50 plantas, num espaçamento 0,7 m X 0,2 m. Foram avaliadas as seguintes variáveis: peso das vagens/planta, peso das sementes/planta, número de vagens/planta, número de sementes/vagem, peso de 100 vagens, peso de 100 sementes, teor de óleo nas sementes, comprimento da vagem, índice de colheita, peso seco total da planta, altura da haste principal, pilosidade, cor da haste principal, hábito de crescimento, cor das sementes, cor dos folíolos, inflorescência na haste principal, início da floração e Maturação completa da vagem. Três métodos de agrupamentos foram selecionados para analise da divergência: Tocher, UPGMA e componentes principais. As três metodologias usadas, em conjunto, mostraram-se concordantes na formação dos grupos estabelecidos, revelando combinações interessantes para serem usadas em programas de melhoramento visando obtenção de linhagens com tolerância ao ambiente semiárido e com padrão de sementes voltados para o mercado de alimentos.

Submitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2018-06-15T20:19:22Z No. of bitstreams: 2 Fabiane_Fontana2018.pdf: 2677532 bytes, checksum: 3036328537227cc96b8ea368e893f2fc (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-06-15T20:19:22Z (GMT). No. of bitstreams: 2 Fabiane_Fontana2018.pdf: 2677532 bytes, checksum: 3036328537227cc96b8ea368e893f2fc (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-07-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Precision Agriculture (AP) uses technologies aimed at increasing productivity and reducing environmental impact through localized application of agricultural inputs. In order to make AP economically feasible, it is essential to improve current methodologies, as well as to propose new ones, such as the design of management areas (MZs) from productivity data, topographic, and soil attributes, among others, to determine which are heterogeneous subareas among themselves in the same area. In this context, the main objective of this research was to evaluate three distance metrics (Diagonal, Euclidian, and Mahalanobis) through FUZME and SDUM software (for the definition of management units) using the fuzzy c-means algorithm, and, at a further moment, to evaluate the cultures of soybeans and corn, as well as the association between them. On the first scientific paper, using data corresponding to four distinct areas, the three metrics with original and normalized data associated with soybean yield were evaluated. For area A, the Diagonal and Mahalanobis distances exempted the need for normalization of the variables, presenting areas that were identical for both versions. After the normalization of the data, the Euclidian distance presented a better delineation in its MZs for area A. For areas B, C, and D it was not possible to reach conclusions regarding the best performance, since only one variable was used for the process of MZs, and that has directly influenced the results. On the second scientific paper, data corresponding to three distinct areas were applied to analyze the use of soybean and corn yields, as well as the association between them, in the selection of variables to define MZs. Based on the variables available for each of the areas, the selection was carried out using the spatial correlation method, considering, for each one of the areas, the three target yields (soybean, corn, and soybean+corn). The type of productivity used demonstrated two different outcomes: first in the variable selection process, where its alternation resulted in different selections for the same area, and second, in the evaluation of the defined MZs, where even when the same variables were selected in the definition of the MZs, the performances of the MZs were different. After the validation methods applied, it was verified that the best target yield was soybean+corn, reasserting the idea of being better to use these two cultures, together, when defining the MZs of an area with rotating crops of soybean and corn. / A Agricultura de Precisão (AP) utiliza tecnologias objetivando o aumento da produtividade e redução do impacto ambiental por meio de aplicação localizada de insumos agrícolas. Para viabilizar economicamente a AP, é essencial aprimorar as metodologias atuais, bem como propor novas, como, por exemplo, o delineamento de zonas de manejo (ZMs) a partir de dados de produtividade, atributos topográficos e do solo, entre outros, utilizados a fim de determinar subáreas heterogêneas entre si em uma mesma área. Neste contexto, este trabalho teve como principal objetivo avaliar três métricas de distâncias (Diagonal, Euclidiana e Mahalanobis) junto aos Softwares FUZME e SDUM (Software para a definição de unidades de manejo), que utilizam o algoritmo fuzzy c-means, e, em um segundo momento, avaliar também as culturas de soja e milho, assim como a associação entre elas. No primeiro artigo, utilizando dados correspondentes a quatro áreas distintas, avaliaram-se as três métricas com dados originais e normalizados associados à produtividade de soja. Para a área A, as distâncias Diagonal e Mahalanobis dispensaram a necessidade de normalização das variáveis, apresentando áreas idênticas para as duas versões. Após a normalização dos dados, a distância Euclidiana apresentou um melhor delineamento em suas ZMs para a área A. Para as áreas B, C e D não foi possível obter conclusões quanto ao melhor desempenho, visto que o fato de ser utilizado apenas uma variável para o processo de definição de ZMs influenciou diretamente nos resultados obtidos. No segundo artigo, dados correspondentes a três áreas distintas foram utilizados para analisar o uso de produtividades de soja e milho, assim como a associação entre elas, na seleção de variáveis para definição de ZMs. A partir das variáveis disponíveis para cada uma das áreas foi realizada a seleção destas através do método da correlação espacial, levando em consideração, para cada uma das áreas, as três produtividades-alvo (soja, milho e soja+milho). O tipo de produtividade utilizada repercutiu de duas formas diferentes: primeiro no processo de seleção de variáveis, onde a sua alternância resultou em seleções diferenciadas para uma mesma área; e em um segundo momento, na avaliação das ZMs definidas, onde mesmo quando as mesmas variáveis foram selecionadas na definição das ZMs, os desempenhos das ZMs foram diferentes. Após os métodos de validação aplicados, verificou-se que a melhor produtividade-alvo foi soja+milho, reforçando a ideia de ser útil a utilização destas duas culturas, em conjunto, na definição das ZMs de uma área com alternância de produção de soja e milho.

Nesta tese é apresentada uma investigação de possibilidades em Inteligência Artificial na detecção de padrões e previsão de acidentes em rodovias. Para tanto, é realizada uma avaliação de diferentes técnicas de Aprendizado de Máquina baseadas em abordagens de agrupamento, classificação e predição de links, com base em dados de acidentes georreferenciados e modelados em estruturas de clustering, árvores (CART) e redes (redes neurais artificiais, redes bayesianas e redes complexas). Os resultados revelaram que as abordagens baseadas em redes complexas possibilitaram a detecção de estruturas de agrupamentos mais robustas, quando comparadas as técnicas tradicionais de clustering, uma vez que consideram na estrutura topológica dos dados conceitos de vizinhança. O agrupamento dos dados proporciona a redução da heterogeneidade das bases de dados, bem como a obtenção de regras de decisão (CART) com maior probabilidade de ocorrência e taxa geral de acerto. A classificação supervisionada da severidade dos acidentes em redes, utilizando as modelagens de redes neurais artificiais e redes bayesianas, permitiu identificar simultaneamente os fatores contribuintes a ocorrência dos acidentes, sejam estes associados ao motorista, as variáveis de infraestrutura viária ou as condições do ambiente. No entanto, por considerar o peso das variáveis utilizadas no processo de modelagem, a classificação por redes bayesianas tende a ser mais realista, sendo menos sensível ao overfitting. Quanto à predição dos acidentes, foi possível pela predição de links utilizando a abordagem de redes complexas bipartidas, identificar alta correlação entre os acidentes preditos e os acidentes observados para uma determinada época. A abordagem proposta é flexível ao número de variáveis necessárias ao processo de modelagem, o que permite a realização de um diversificado número de estudos. No entanto, quando se considera a modelagem simplificada, formada pelas variáveis recomendadas pelo Highway Safety Manual (HSM), da Association of State Highway na Transportation (AASHTO), verifica-se que a predição é mais precisa e acurada, uma vez que esta modelagem considera fundamentalmente variáveis de infraestrutura viária, enquanto que na modelagem geral são consideradas também variáveis ambientais, que são mais variantes no tempo e no espaço. Até o presente momento, o método proposto é o mais adequado para explicar o comportamento e aspectos dinâmicos em ambientes rodoviários. No entanto, a abordagem proposta foi limitada pela quantidade de dados explorados, bem como por anomalias decorrentes a processos de execução de obras no trecho da rodovia em análise. Ademais, pode ser aplicada em problemas de diferentes escalas e para diversos estudos de caso. Portanto, por meio da modelagem de redes bipartidas georreferenciadas é possível não apenas realizar a predição de acidentes em rodovias, como também verificar a variação da acidentalidade viária e os níveis de segurança e desempenho de uma rodovia. / This thesis presents an investigation of Possibilities in Artificial Intelligence in the detection of patterns and prediction of accidents on highways. For this, it is performed an evaluation of different machine learning techniques based on grouping, classification and prediction of links, based on data from georeferenced accidents and modeled on clustering structures, trees (CART) and networks (artificial neural network, Bayesian network and complex network). The results revealed that the approaches based on complex networks enabled the detection of structures of groupings more robust, when comparing traditional clustering techniques, when they consider in the structure topological data neighborhood concepts. The grouping of data provides the reduction of heterogeneity of the database, as well as obtaining decision rules (CART) with the higher probability of occurrence and general rate of hit. The classification supervised of the severity of accidents in networks, using the modelling of artificial neural networks and Bayesian networks, it allowed to simultaneously identify the factors contributing to the occurrence of accidents, whether these are associated with the driver, the road infrastructure variables or the environmental conditions. However, considering the weight of the variables used in the modeling process, the classification by Bayesian networks tends to be more realistic, being less sensitive too overftting. Regarding the prediction of accidents, it was possible to predict links using the approach of complex bipartite networks, to identify high correlation between predicted accidents and accidents observed for a certain time. The proposed approach is flexible to the number of variables necessary for the modeling process, which allows the realization of a diversified number of studies. However, when you consider the \"simplified modelling\", formed by the variables recommended by the Highway Safety Manual (HSM), of the Association of State Highway na Transportation (AASHTO), it is verified that the prediction is more accurate and precise, since this modelling considers fundamentally variables of road infrastructure, while that the \"general modelling\" are considered the also environmental variables, which are more variants in time and space. Up to the present moment, the proposed method is best suited to explain the behavior and dynamic aspects in the environment road. However, the proposed approach was limited by the amount of data explored, as well as by anomalies resulting from processes of execution of works in the stretch of the highway under analysis. Moreover, it can be applied to problems of different scales and for several case studies. Therefore, through the modeling of geo-referenced bipartite networks, it is possible not only to predict accidents on highways, but also to check he variation of road accidents and the safety and performance levels of a highway.