Objetivou-se avaliar aspectos morfológicos, estruturais e agronômicos do capim Massai sob adubação com formulado 20:0:20. O ensaio foi conduzido na Universidade Federal do Tocantins, Escola de Medicina Veterinária e Zootecnia de agosto de 2014 a junho de 2015. Foram avaliadas as doses 0; 25; 50; 75 kg/ha de N e K2O realizada sempre após desfolhação do capim Massai, as quais foram arranjados em delineamento inteiramente casualizado, com quatro repetições de 9 m2 (3x3), totalizando-se 16 unidades experimentais. A desfolhação do capim Massai foi realizada ao nível de 10 cm de altura do solo, sempre após ao momento de recuperação de três folhas totalmente expandidas por perfilho cortado. Para as características morfogênicas a resposta foi significativa para os níveis de adubação onde a TApF variou de 4,95 quando não adubada para 10,98 quando utilizada a dose e 75 kg de NK/ha. Observou redução do filocrono, de 23 para 8 dias quando comparadas as doses zero e 75 kg de NK. As taxas de alongamento de lâminas foliar, colmo e senescência foliar foram incrementados em função da elevação das doses de adubo, em 33,29 e 23% saindo de 11,086 a 32,8135, 0,3311 a 1,1411 e 0,0499 a 7,0485 mm/perf/dia, respectivamente para as doses 0 e 75. O NFV não foi alterado em função das doses de adubo e atingiu valores médios de 3,81 folhas/perfilhos. A adubação reduziu o DVF de 71 e 40 dias/ folhas para a menor e maior dose de adubo, respectivamente.A DVF respondeu linear e negativamente à adubação nitrogenada. A densidade populacional de perfilhos apresentou efeito linear com ao aumento nas doses de nitrogênio, com estimativa de 1807 e 2339 perfilhos/m2 nas doses 0 e 75 kg/ha de NK2O, respectivamente. Em resposta as variações morfogênicas e estruturais a TPBF foi incrementada com a elevação da adubação, atingindo valores máximo de 236,49 kgMS/ha/dia para a dose de 50 kg/ha/ciclo de NK2O, sendo 56% superior ao da dose 0. A taxa de acumulo (TAcF), próximo a 50 kg/ NK2O, onde obteve uma produção de 173,94 kg/ha/dia superior 42% a dose 0. Produção de colmo de 43,43 kg/há/dia, sendo 78% superior quando não adubado. Sua máxima taxa produção de lamina foliar ocorreu com a dose de 50 kg/ NK2O com produção de 194,39 kg/ha/dia sendo 51% superior a dose 0. A taxa de acumulo de lâmina foliar obteve seu máximo com 49,37 kg/ NK2O e uma produção de 131,74 kg/ha/dia sendo 40% superior aquando não adubado. Com base nos resultados da adubação NK2O realizada com o formulado 20:0:20 conclui-se melhoria nas características morfogênicas e estruturais, que resultaram incrementos no crescimento do capim Massai. No entanto, mais estudos devem ser conduzidos, principalmente avaliando o melhor momento para realização da desfolhação. / Objective was to assess morphological, structural and agronomic aspects of Massai grass under fertilization with formulated 20: 0: 20. The test was conducted at the Federal University of Tocantins, School of Veterinary Medicine and Animal Science August 2014 to June 2015. Were evaluated doses 0; 25; 50; 75 kg / ha of N and K2O always performed after the grass defoliation Massai, which were arranged in a completely randomized design with four replications of 9 m2 (3x3), totalizing 16 experimental units. The Masai grass off the defoliation was performed at the level of 10 cm above ground level, where after the time of three sheets recovery per tiller fully cut. To morphogenetic response was significant for fertilization levels where the (TapF) ranged from 4.95 when not fertilized to 10.98 when using the dose and 75 kg NK2O / ha. Observed reduction phyllochron, from 23 to 8 days compared to zero doses and 75 kg of NK2O. The elongation rate of leaf blade, stem and leaf senescence were increased due to the increase of the doses of fertilizer in 33,29 and 23% coming from 11.086 to 32.8135, 0.3311 to 1.1411 and 0.0499 to 7.0485 mm / perf / day, respectively, for the doses 0 and 75. The NFV has not changed depending on the dose of fertilizer and reached average values of 3.81 leaves / tillers. Fertilization reduced the DVF 71 and 40 days / leaves to the lower and higher dose of fertilizer, respectively.The DVF said linear and negatively to nitrogen fertilization. The population density of tillers showed a linear effect with the increase in nitrogen, with estimated 1807 and 2339 tillers / m2 in doses 0 and 75 kg / ha of NK2O respectively. In response morphogenetic and structural variations TPBF was increased with increasing fertilization, reaching maximum values of 236.49 kgMS / ha / day at the dose of 50 kg / ha / NK2O cycle, 56% higher than the dose 0. The accumulation rate of (TACF), close to 50 kg / NK2O, where he obtained a production of 173.94 kg / ha / day higher than 42% the dose 0. Thatched production 43.43 kg / ha / day, 78 % higher than unfertilized. Its maximum leaf blade production rate occurred at a dose of 50 kg / NK2O with production of 194.39 kg / ha / day 51% higher dose 0. Leaf blade accumulation rate achieved its maximum with 49.37 kg / NK2O and an output of 131.74 kg / ha / day being 40% higher when unfertilized. Based on NK2O fertilization results performed with the formulated 20: 0: 20 concludes improvement in morphogenetic and structural characteristics, resulting increases in Massai grass growth. However, more studies should be conducted, especially evaluating the best time to perform the defoliation.

[pt] Métodos de aprendizado de máquina vêm sendo bastante utilizados na área de mecânica dos sólidos devido ao grande volume de dados disponíveis na literatura. A motivação deste trabalho foi o estudo do acúmulo de deformação plástica na escala de grãos, pois o uso do aprendizado de máquina pode ser uma significativa contribuição para criar modelos capazes de prever o acúmulo de deformações. O objetivo deste trabalho foi aprimorar a previsão do acúmulo de deformação plástica propondo um novo método de previsão de acúmulo de deformações plásticas em contornos de grãos de um material policristalino, usando modelos de aprendizado de máquina. Este trabalho utilizou-se de dados experimentais da literatura para estruturar três bancos de dados, os que consideraram somente os contornos de grãos. Nas previsões foram utilizados os seguintes métodos: Decision Tree, Random Forest, Stochastic Gradient Descent, K-Nearest Neighbors, Gradient Boosting Regressor e Análise de Componentes Principais (PCA). Na avaliação dos modelos foram empregados os métodos de validação cruzada e reamostragem de Monte Carlo. As métricas de erro aplicadas foram o coeficiente de determinação (R2) e o coeficiente de correlação de Pearson (R). Os resultados apontaram que as previsões foram coerentes e de boa qualidade, melhorando os valores médios do coeficiente de Pearson em aproximadamente 30 por cento comparados aos valores da literatura. Para o R(2) a média de valores alcançada foi de 0.85. Conclui-se que o uso do método de aprendizado de máquina se mostra confiável na previsão do acúmulo de deformação plástica no contorno do grão de um material policristalino. / [en] Machine learning methods have been widely used in the area of solid mechanics due to the large volume of data available in the literature. The motivation for this work was the study of the accumulation of plastic strain at the grain scale. Because the use of machine learning can be a significant contribution to creating models capable of predicting the accumulation of deformation. The objective of this work was to improve the prediction of plastic strain accumulation by proposing a new method for predicting the accumulation of plastic strains in grain boundaries of a polycrystalline material, using machine learning models. This work uses experimental data from the literature to structure three databases, which only consider grain boundaries. The following methods were used in the predictions: Decision Tree, Random Forest, Stochastic Gradient Descent, K-Nearest Neighbors, Gradient Boosting Regressor, and Principal Component Analysis (PCA). Monte Carlo crossvalidation and resampling methods were used to evaluate the models. The error metrics applied were the coefficient of determination (R2) and the Pearson correlation coefficient (R). The results indicate that the predictions were coherent and of good quality, improving the average Pearson coefficient values by approximately 30 percent compared to literature values. For R(2), the average value achieved was 0.85. It is concluded that the use of the machine learning method proves to be reliable in predicting the accumulation of plastic strain at the grain boundary of a polycrystalline material.