Análise da Expansão da Soja: Uma Aplicação de Análise Multivariada e Redes Neurais Artificiais

Autores/as

  • Marina de Souza Paiva Universidade de São Paulo
  • Marcelo Seido Nagano Universidade de São Paulo https://orcid.org/0000-0002-0239-1725
  • Kuang Hongyu Universidade Federal de Mato Grosso

Palabras clave:

Soja, Componentes principais, Redes Neurais Articiais, Multivariada, Mapas auto organizáveis de Kohonen.

Resumen

O estado do Mato Grosso é o maior produtor e exportador de soja no Brasil, este trabalho apresenta uma caracterização do crescimento da soja no estado de Mato Grosso, entre os anos 1990-2015. O uso concomitante de análise multivariada - Análise de Componentes Principais (PCA) e análise de redes neurais de Kohonen (SOM) podem permitir a vericação e desenvolvimento de modelos e metodologias que permitam uma melhora signicativa deste tipo de estudo. Será realizada uma identicação, caracterização e análise das variáveis que tiveram contribuição (ou não) na expansão da soja no estado. A utilização em conjunto da análise de componentes principais (PCA) e da análise com as redes neurais de Kohonen podem possibilitar a comprovação e o desenvolvimentode modelos e metodologias que possibilitem uma melhora signicativa deste tipo de estudo e conclui-se que as uniões das ferramentas obtiveram os resultados esperados e agregaram valores entre elas, diminuindo a dimensionalidade do banco possibilitando melhores interpretações e visualização dos agrupamentos dos dados em estudo.

Citas

Astel A, S. Tsakovski, P. Barbieri, V. Simeonov, {it Comparison of self - organizing maps classification approach with cluster and principal components abalysis for large environmental data sets} Water Research, 41(19), p. 4566 -- 4578, 2007.newline

Ettaouil, Mohamed ,Abdelatifi, Essafi and Belhabib, Fatima, {it Learning algorithm of kohonen network with selection phase}. WSEAS Transactions on Computers. 387--396. 2012newline

Fearns,P. M. {it Soybean cultivation as a threat to the environment in Brazil}, Environmental Conservation, vol. 28, 23--38,2001.newline

Hiroshi, M.H.,Joelsio,J.L. {it Evolução e perspectivas de desempenho econômico associadas com a produção de soja nos contextos mundial e brasileiro}, 3rd ed, Embrapa Soja, Londrina, 2011.newline

Hongyu, K., Lúcia,V.S., Martins,J. O. J.G.

{it Principal Component Analysis: theory, interpretations and applications}, Engineering and Science,1,2015. newline

Khaykin, S. {it Neyronnyye seti: polnyy kurs [Neural networks: a comprehensive course]}, Williams, Moscow, 2nd ed, p. 1104, 2008.newline

Kohonen, T.{it Analysis of a simple self-organizing process}, Biol. Cybern, vol 44 ,135 -- 140,1982newline

Kohonen, T. {it Self-Organization and Associative Memory Process}, Berlin, Springer - Verlag 1989.newline

Kohonen, T. {it Self-Organizing maps: Optimization approaches}, 891-?990, 1991 newline

Rencher, A.C. {it Methods of Multivariate Analysis}, A John Wiley & Sons, INC. publication, 2ed, 727, 2002. newline

Silva, I.N., Spatti D., e Flauzino, R. {it Redes neurais artificiais para engenharia e ciências aplicadas: curso prático}, Artliber Editora Ltda, São Paulo, SP, Brasil,2010.newline

Zockun M. H. G. P. {it A expansão da soja no Brasil: alguns aspectos de produção} São Paulo: Dissertação de Mestrado em Economia, Universidade de São Paulo, 1978.newline

Publicado

29-07-2019

Cómo citar

Paiva, M. de S., Nagano, M. S., & Hongyu, K. (2019). Análise da Expansão da Soja: Uma Aplicação de Análise Multivariada e Redes Neurais Artificiais. Sigmae, 8(2), 554–563. Recuperado a partir de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/1035