Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/760
Título: Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo
Título(s) alternativo(s): Estimates of rainfall erosivity in São Paulo state by an artificial neural network
Autor(es): Moreira, Michel Castro
Cecílio, Roberto Avelino
Pinto, Francisco de Assis de Carvalho
Pruski, Fernando Falco
Palavras-chave: Erosão hídrica
Equação universal de perdas de solo
Universal soil loss equation
Data do documento: Nov-2006
Citação: MOREIRA, Michel Castro et al. Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo. Rev. Bras. Ciênc. Solo, Viçosa, v. 30, n. 6, p. 1069-1076, dez. 2006. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-06832006000600016&lng=pt&nrm=iso>. Acesso em: 08 dez. 2011.
Resumo: O conhecimento do valor da erosividade da chuva (R) de determinada localidade é fundamental para a estimativa das perdas de solo feitas a partir da Equação Universal de Perdas de Solo, sendo, portanto, de grande importância no planejamento conservacionista. A fim de obter estimativas do valor de R para localidades onde este é desconhecido, desenvolveu-se uma rede neural artificial (RNA) e analisou-se a acurácia desta com o método de interpolação "Inverso de uma Potência da Distância" (ID). Comparando a RNA desenvolvida com o método de interpolação ID, verificou-se que a primeira apresentou menor erro relativo médio na estimativa de R e melhor índice de confiança, classificado como "Ótimo", podendo, portanto, ser utilizada no planejamento de uso, manejo e conservação do solo no Estado de São Paulo.
Knowledge on rainfall erosivity (R) of particular sites is fundamental for soil loss estimation by the Universal Soil Loss Equation (USLE) and therefore highly important in conservation planning. In order to obtain the R value estimates for places where it is unknown, an artificial neural network (ANN) was developed for the state of São Paulo, and its accuracy compared with the Inverse Distance Weighted (IDW) interpolation method. The developed ANN presented a smaller mean relative error in the R estimation and a confidence index classified as "excellent", better than the IDW. ANN can therefore be used to estimate R values for soil use planning, management and conservation in São Paulo state.
URI: http://repositorio.ufes.br/handle/10/760
ISSN: 0100-0683
Aparece nas coleções:DEF - Artigos publicados em periódicos



Este item está licenciada sob uma Licença Creative Commons Creative Commons