Redes neurais artificiais e regressão linear múltipla para predição da produtividade de arroz irrigado

Abstract

Dada a importância econômica e nutricional da cultura de arroz (Oryza sativa), o objetivo deste trabalho foi utilizar as metodologias de Regressão Linear Múltipla e de Redes Neurais Artificiais para estimar a produtividade de grãos de genótipos de arroz irrigado por inundação em termos de outros 15 caracteres agronômicos de interesse. Foram utilizados 25 genótipos de arroz dos Ensaios Comparativos Avançados realizados do programa de melhoramento de arroz irrigado de Minas Gerais. O experimento foi conduzido sob o Delineamento de Blocos Casualizados com três repetições na localidade da Fazenda Experimental de Leopoldina, na safra de 2012/2013. Os resultados evidenciaram que as Redes Neurais (R2= 68,63% modelo completo e R2 = 68,63% modelo reduzido)apresentaram melhor ajuste que a Regressão Linear Múltipla (R2= 66,53% modelo completo e R2=56,89% modelo reduzido) para ambos os modelos ajustados. Ambas as metodologias destacaram a influência significativa dos caracteres comprimento de panícula e número de grãos cheios/panícula sobre a variável resposta produtividade de grãos. As Redes Neurais Artificiais se apresentam como alternativa viável às limitações dos modelos convencionais