Нейронные сети для описания эпидемий виллевого的病 какао
Neuronal networks to describe epidemics of cocoa witches’ broom
Maffia, Luiz Antônio, Alves, Marcelo de Carvalho, Pozza, Edson Ampélio, Braga, José Luis, Costa, João de Cássia do Bonfim, Silva, Carlos Arthur Barbosa da
epidemiology epidemiologia
Аннотация (перевод)
Искусственные нейронные сети (ИНС) были оценены как инструмент для описания эпидемий виллевого的病 какао и как потенциальный метод прогнозирования заболевания. ИНС были построены на основе данных, собранных в Алтамире (штат Пара, Бразилия) в период с января 1986 по декабрь 1987 года, и были сопоставлены методом регрессионного анализа. Изучаемыми переменными были плодоношение базидиокарпов, интенсивность заболевания и 16 климатических переменных. Были отобраны семь климатических переменных за 1–10 недель до плодоношения базидиокарпов и 11 переменных на 8-й и 9-й неделях до оценки интенсивности заболевания. Также были проанализированы временные ряды. Было протестировано 37 регрессионных моделей и построено 100 ИНС. Нейронные сети способны более эффективно прогнозировать интенсивность заболевания, чем регрессионные уравнения. Лучшая ИНС использовала 11 климатических переменных на 9-й неделе до возникновения заболевания. Лучшая ИНС с двумя промежуточными слоями искусственных нейронов и регрессионное уравнение для описания плодоношения базидиокарпов включали переменную продолжительность осадков в часах.
Оригинальная аннотация
Artificial Neural networks (ANN) were evaluated as tools to describe epidemics of cocoa’s witche's broom and as a potential method to forecast the disease. The ANN were built with data collected in Altamira-PA-Brazil, between January 1986 and December 1987, and were compared by regression analysis. The variables studied were basidiocarp production, disease intensity, and 16 climatic variables. Seven climatic variables were selected at 1 to 10 weeks before basidiocarp production and 11 variables at the 8th and 9th weeks before evaluation of disease intensity. Temporal series were also analyzed. A total of 37 regression models were tested and 100 ANN built. Neuronal networks could forecast disease intensity more efficiently than regression equations. The best ANN used 11 climatic variables, in the 9th week before disease occurrence. The best ANN, with two intermediary layers of artificial neurons, and regression equation to describe basidiocarp production included the variable rainfall duration, in hours.
Идентификаторы
Canonical: https://research.holos.house/w/11ffa24e-863a-46d8-a5d4-d3323997e767