Yield prediction of 'Prata Anã' and 'BRS Platina' banana plants by artificial neural networks

Abstract

Modelos de predição podem contribuir para a análise de dados e tomada de decisões no manejo de uma cultura. Objetivou-se avaliar a viabilidade da predição de produtividade de bananeiras ‘Prata-Anã’ e ‘BRS Platina’, por meio de redes neurais artificiais, bem como determinar os descritores morfológicos mais importantes para este fim. Foram mensurados a altura de planta; perímetro do pseudocaule ao nível do solo, a 30 e 100 cm de altura; número de folhas vivas na colheita; massa, comprimento e diâmetro do engaço; número de pencas e de frutos; massa do cacho e das pencas; massa média das pencas; e relação entre a massa do engaço e do cacho. Os dados foram submetidos a análise por redes neurais artificiais, utilizando-se o software R. Os melhores ajustes foram obtidos com dois e três neurônios na camada intermediária, respectivamente, para ‘Prata-Anã’ e ‘BRS Platina’. Esses modelos apresentaram os menores erros quadráticos médios, o que corresponde a maior proximidade entre os dados preditos e os reais, e, por conseguinte, maior eficiência das redes na predição da produtividade. Pelo coeficiente de determinação, verificaram-se os melhores ajustes para ‘Prata-Anã’ (R2 = 0,99 para todas as composições de rede), enquanto, para ‘BRS Platina’, a adequação dos dados possibilitou R² com valores entre 0,97 e 1,00, aproximadamente. Previsões de produtividade para ‘Prata-Anã’ e ‘BRS Platina’ foram obtidas com alta eficiência por meio de redes neurais artificiais.