Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/14940
Registro completo de metadados
Campo DCValorIdioma
dc.creatorFaust, Mateus Vinicius
dc.date.accessioned2020-11-18T17:34:49Z-
dc.date.available2020-11-18T17:34:49Z-
dc.date.issued2018-11-20
dc.identifier.citationFAUST, Mateus Vinicius. Implementação e análise comparativa entre modelos de regressão para estimação de nutrientes em camas de aviário a partir de espectroscopia NIR. 2018. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2018.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/14940-
dc.description.abstractThe growth of the Brazilian poultry industry in relation to the industrial market of the sector is indeed an important factor for the country’s economic growth, considering Brazil as one of the largest producers and exporters of chicken meat in the world. However, the increasing of residues from this practice can be a source of damage for the environment, due to the wrong discard of these substances on the ground, which may increase the concentration of certain chemical elements, wherein at a certain level can cause damage to the exposed environment. Thereby, an alternative for better use of the recurrent residue of poultry litter, is the use of this one as an organic fertilizer, after its correct chemical characterization. However, the classical methods of chemical concentration analysis isn’t attractive to the producers, once that this method has an elevated cost and its long time of analysis. Thus, statistical and mathematical methods start to gain space among the chemometrics studies, with the objective of training regression models that recognize patterns of chemical concentration levels in samples from the analysis of NIR spectroscopy, once that the designed model becomes useful for several new measures, avoiding future expenses. The standard technique used for this kind of training is known as Partial Least Squares, which seeks to find the solution of the linear relationship between the variables, using linear techniques for the data regression. Based on the assumption that data analysis in the real world is better related to nonlinear propagation characteristics, this work proposes the application of the technique of Support Vector Machines, which uses a nonlinear approach as a way to solve the linear equation that correlates the variables. As intended, predictions models of N, C, K and P concentration in 160 samples of poultry litter were created. From which the comparison between the two techniques demonstrate that the Support Vector Machines is more efficient than the Partial Least Squares method, however, presents in its composition biggers challenges in the training stage. These work also presents the construction of a methodology of data preprocessing, allowing to create a sequence of standard operations for both of the training applications, which allows both to build an optimized model to achieve the best performance of the system.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsembargoedAccesspt_BR
dc.subjectAnálise multivariadapt_BR
dc.subjectEspectroscopia de infravermelhopt_BR
dc.subjectQuimiometriapt_BR
dc.subjectMultivariate analysispt_BR
dc.subjectInfrared spectroscopypt_BR
dc.subjectChemometricspt_BR
dc.titleImplementação e análise comparativa entre modelos de regressão para estimação de nutrientes em camas de aviário a partir de espectroscopia NIRpt_BR
dc.title.alternativeImplementation and comparative analysis between regression models for estimation of nutrients in poultry litters from NIR spectroscopypt_BR
dc.typebachelorThesispt_BR
dc.description.resumoO crescimento da indústria avícola brasileira perante ao mercado industrial do setor, é de fato um fator determinante para o crescimento econômico do país. Uma vez que este permeia entre os maiores produtores e exportadores de carne de frango do mercado mundial. Entretanto o aumento de resíduos provenientes dessa prática pode vir a ser uma fonte de danos ao meio ambiente, dado sua deposição de forma indevida, fato que pode aumentar a concentração de elementos potencialmente tóxicos ao ambiente. Assim, uma alternativa de melhor uso do resíduo oriundo da atividade avícola, a cama de aviário, é o uso como fertilizante orgânico, o qual deve ser realizado após a caracterização química desse. Contudo, os métodos clássicos de caracterização qualitativa não consistem em formas atrativas aos produtores, devido aos altos custos e ao elevado tempo de análise. Dessa forma, métodos estatísticos e matemáticos ganham espaço dentre os estudos da quimiometria, para o treinamento de modelos de regressão que reconhecem padrões de teores de elementos químicos em amostras a partir da análise por meio da espectroscopia de NIR, uma vez que o modelo projetado se torna útil para inúmeras medidas novas, evitando gastos futuros. A técnica padrão utilizada para esse treinamento é o Partial Least Squares, o qual busca encontrar a solução da relação linear das variáveis, utilizando técnicas lineares para a regressão dos dados. Partindo do pressuposto que a análise de dados no mundo real se relacione melhor às características não lineares de propagação, este trabalho propôs a aplicação da técnica de Support Vector Machines, a qual traz abordagens não lineares como forma de resolver a equação linear que correlacione as variáveis. Nesse intuito foram criados modelos de predição dos teores de nitrogênio (N), carbono (C), potássio (K) e fósforo (P) de 160 amostras de camas de aviários. Dos quais a comparação entre as duas técnicas demonstram que a Support Vector Machines mostra superioridade de eficiência sobre o Partial Least Squares, contudo, apresenta em sua composições maiores dificuldades para o treinamento dos mesmos. O trabalho também apresenta a construção de uma metodologia de pré-processamento de dados, permitindo criar uma sequência de operações padrões para ambas as abordagens, o que possibilita que ambas realizem a modelagem do sistema de maneira otimizada.pt_BR
dc.degree.localPato Brancopt_BR
dc.publisher.localPato Brancopt_BR
dc.contributor.advisor1Guarneri, Giovanni Alfredo
dc.contributor.advisor-co1Tonial, Larissa Macedo dos Santos
dc.contributor.referee1Guarneri, Giovanni Alfredo
dc.contributor.referee2Tonial, Larissa Macedo dos Santos
dc.contributor.referee3Torrico, César Rafael Claure
dc.contributor.referee4Lafay, Cintia Boeira Batista
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDepartamento Acadêmico de Elétricapt_BR
dc.publisher.programEngenharia Elétricapt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
Aparece nas coleções:PB - Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PB_COELT_2018_2_16.pdf
  Disponível a partir de 5000-01-01
1,82 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.