Show simple item record

dc.creatorKayser, Luiz Patric
dc.date.accessioned2019-07-04T14:43:11Z
dc.date.available2019-07-04T14:43:11Z
dc.date.issued2019-04-29
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/17297
dc.description.abstractThe soil water retention curve is an important information for the rational management of irrigation. Due to the difficulty in generating it through traditional methods, there is a need to create alternative methods, such as pedotransfer functions, that generate the curve indirectly, using data that can be acquired more easily and quickly. In this context, the present work aims to estimate the parameters of the Van Genuchten model through pedotransfer functions with physical-hydro data for soils of the State of Rio Grande do Sul using Multiple Linear Regression and Artificial Neural Networks. To estimate the parameters θr, α and n of the Van Genuchten equation, the levels of sand, silt, clay, soil density (ds), particle density (dp) and organic matter (Mo) were used as independent variables. Multiple linear regression analyzes were performed using the stepwise (Forward) procedure of the IBM SPSS Statistics 25 software, while the artificial neural networks were generated using the multiple layer perceptron function of the same software. The results obtained in the estimation of the parameters α, θr and n can be considered good with both estimation methodologies. In the multiple linear regression the values of the coefficient of determination were higher than 0.9 in most of the proposed models, and the root mean square error presented values lower than 0.008. Using artificial neural networks, the R² values were higher than 0.9 in all the proposed models, and the RMSE presented values lower than 0.0012. With this, we can affirm that the use of Multiple Linear Regression and Artificial Neural Networks was efficient in generating Pedotransfer Functions, for the data base used, estimating the parameters of the Van Genuchten equation with high predictive capacity of the proposed models. that the second methodology had higher values of R² and lower values of RMSE.eng
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectRedes neurais artificiaispor
dc.subjectRegressão linear múltiplapor
dc.subjectVan Genuchtenpor
dc.subjectCurva de retenção de água no solopor
dc.subjectArtificial neural networkseng
dc.subjectMultiple linear regressioneng
dc.subjectSoil water retention curvepor
dc.titleEstimativa dos parâmetros de funções de pedotransferência para os solos do Rio Grande do Sulpor
dc.title.alternativeEstimation of the parameters of pedotransferance functions for soils of Rio Grande do Suleng
dc.typeTesepor
dc.description.resumoA curva de retenção de água no solo é uma informação importante para o manejo racional da irrigação. Devido a dificuldade na geração da mesma através de métodos tradicionais, existe a necessidade da criação de métodos alternativos, como as funções de pedotransferência, que geram a curva de forma indireta, utilizando dados que podem ser adquiridos de forma mais fácil e rápida. Neste contexto, o presente trabalho objetiva estimar os parâmetros do modelo de Van Genuchten através de funções de pedotransferência com dados físico-hídricos para solos do estado do Rio Grande do Sul utilizando Regressão Linear Múltipla e Redes Neurais Artificiais. Para estimar os parâmetros θr, α e n da equação de Van Genuchten, foram utilizados os teores de areia, silte, argila, densidade do solo (ds), densidade de partículas (dp) e Matéria Orgânica (Mo) como variáveis independentes. As análises de regressão linear múltipla foram realizadas utilizado o procedimento stepwise (Forward) do software IBM SPSS Statistics 25, enquanto que as redes neurais artificiais foram geradas utilizando a função perceptron múltipla camada do mesmo software. Os resultados obtidos na estimativa dos parâmetros α, θr e n podem ser considerados bons com ambas metodologias de estimativa. Na regressão linear múltipla os valores do coeficiente de determinação foram superiores a 0,9 na maioria dos modelos propostos, e a raíz do erro médio quadrado apresentou valores inferiores a 0,008. Usando redes neurais artificiais os valores de R² foram superiores a 0,9 em todos os modelos propostos, e a RMSE apresentou valores inferiores a 0,0012. Com isto, podemos afirmar que o uso de Regressão Linear Múltipla e das Redes Neurais Artificiais se mostrou eficiente em gerar Funções de Pedotransferência, para a base de dados utilizada, estimando os parâmetros da equação de Van Genuchten com alta capacidade preditiva dos modelos propostos, sendo que a segunda metodologia apresentou valores maiores de R² e menores de RMSE.por
dc.contributor.advisor1Peiter, Marcia Xavier
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4072803412132476por
dc.contributor.advisor-co1Robaina, Adroaldo Dias
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/8629241691140049por
dc.contributor.referee1Sebem, Elódio
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7879588106056349por
dc.contributor.referee2Weber, Liane de Souza
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2891799660226360por
dc.contributor.referee3Torres, Rogério Ricalde
dc.contributor.referee3Latteshttp://lattes.cnpq.br/5705962150564760por
dc.creator.Latteshttp://lattes.cnpq.br/3780545950289957por
dc.publisher.countryBrasilpor
dc.publisher.departmentEngenharia Agrícolapor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Agrícolapor
dc.subject.cnpqCNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLApor
dc.publisher.unidadeCentro de Ciências Ruraispor


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 International
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International

O Manancial - Repositório Digital da UFSM utiliza a versão 4.1 do software DSpace.
Av. Roraima, 1000. Cidade Universitária "Prof. José Mariano da Rocha Filho".
Bairro Camobi. CEP: 97.105-900. Santa Maria, RS, Brasil.