RESUMO A temperatura do ar afeta significativamente os processos que envolvem atividades agrícolas e humanas. O conhecimento da temperatura de um determinado local é fundamental para o planejamento agrícola. Também ajuda a tomar decisões sobre as atividades humanas. No entanto, nem sempre é possível determinar essa variável. É necessário fazer uma estimativa precisa, utilizando métodos que sejam capazes de detectar as variações existentes. O objetivo deste estudo foi desenvolver modelos de regressão linear múltipla (RLM), rede neural artificial (RNA) e floresta aleatória (FA) para estimar a temperatura média (Tmean), máximo (Tmax), e mínimo (Tmin) mensal do ar em função de coordenadas geográficas e altitude para diferentes áreas do Estado de Minas Gerais, Brasil, com classificação climática Cwa ou Cwb. Os dados médios mensais (Tmean, Tmax e Tmin), ao longo de um período de 30 anos, foram coletados em 20 estações climatológicas. O RLM foi capaz de estimar o Tmax com precisão. Porém, a capacidade preditiva de estimar Tmean e Tmin foi baixa. Os algoritmos FA e RNA foram usados para estimar Tmean, Tmax e Tmin com alta precisão. Os melhores resultados foram obtidos com o modelo RF.

ABSTRACT Air temperature significantly affects the processes involving agricultural and human activities. The knowledge of the temperature of a given location is essential for agricultural planning. It also helps to make decisions regarding human activities. However, it is not always possible to determine this variable. It is necessary to make a precise estimate, using methods that are capable of detecting the existing variations. The aim of this study was to develop models of multiple linear regression (MLR), artificial neural network (ANN), and random forest (RF) to estimate the mean (Tmean), maximum (Tmax), and minimum (Tmin) monthly air temperatures as a function of geographic coordinates and altitude for different localities in Minas Gerais state, Brazil, with climatic classification Cwa or Cwb. The average monthly data (Tmean, Tmax, and Tmin), over a period of 30 years, were collected from 20 climatological stations. The MLR was able to estimate the Tmax with accuracy. However, the predictive capacity of estimating Tmean and Tmin was low. The algorithms RF and ANN were used to estimate Tmean, Tmax, and Tmin with high accuracy. The best results were obtained using the RF model.

A energia é um importante fator de crescimento econômico e vital para a estabilidade de uma nação. O carvão vegetal é um recurso energético renovável, um dos insumos básicos responsáveis pelo desenvolvimento das indústrias de base florestal no Brasil. Objetivou-se, neste artigo, fazer a prognose para o ano de 2007 da série de preços do carvão vegetal, utilizando as Redes Neurais Artificiais. Foi utilizada a RNA perceptron de camadas múltiplas, feed-forward, cujos resultados são próximos da realidade. Os principais resultados encontrados foram: os preços reais do carvão vegetal foram declinantes no período de 1975 a 2000 e crescentes a partir do início do século XXI; a arquitetura da Rede Neural Artificial que realizou melhor previsão foi a com duas camadas escondidas; a taxa de aprendizagem mais eficiente foi de 0,99 e 600 ciclos, que representou treinamento da RNA mais satisfatório e mais preciso. A previsão, usando a RNA, se mostrou mais precisa quando comparada pelo erro quadrático médio de previsão de outros estudos para a série de preços de carvão vegetal em Minas Gerais.

Energy is an important factor of economic growth and is critical to the stability of a nation. Charcoal is a renewable energy resource and is a fundamental input to the development of the Brazilian forest-based industry. The objective of this study is to provide a prognosis of the charcoal price series for the year 2007 by using Artificial Neural Networks. A feedforward multilayer perceptron ANN was used, the results of which are close to reality. The main findings are that: real prices of charcoal dropped between 1975 and 2000 and rose from the early 21st century; the ANN with two hidden layers was the architecture making the best prediction; the most effective learning rate was 0.99 and 600 cycles, representing the most satisfactory and accurate ANN training. Prediction using ANN was found to be more accurate when compared by the mean squared error to other studies modeling charcoal price series in Minas Gerais state.

A temperatura cloacal (TC) de frangos de corte é um importante parâmetro para classificar a sua condição de conforto, portanto, a sua predição pode ser usada no suporte à decisão de acionamento de sistemas de climatização. Objetivou-se com a presente pesquisa desenvolver e validar um sistema, utilizando a teoria dos conjuntos fuzzy para predição da TC de frangos de corte. O sistema fuzzy foi desenvolvido com base em três variáveis de entrada: temperatura do ar (T), umidade relativa (UR) e velocidade do ar (V), tendo, como variável de saída, a TC. A inferência fuzzy foi realizada por meio do método tipo Mamdani, que consistiu na elaboração de 48 regras e a defuzzificação por meio do método do Centro de Gravidade. O sistema fuzzy foi desenvolvido no ambiente computacional MAPLE® 8. Resultados experimentais, usados para a validação, mostraram que o desvio padrão médio entre os valores simulados e medidos de TC foi de 0,13°C. O sistema fuzzy proposto prediz satisfatoriamente a TC com base nas variáveis climáticas, podendo ser utilizado como suporte à decisão em sistemas de criação de frangos de corte.

Cloacal temperature (CT) of broiler chickens is an important parameter to classify its comfort status; therefore its prediction can be used as decision support to turn on acclimatization systems. The aim of this research was to develop and validate a system using the fuzzy set theory for CT prediction of broiler chickens. The fuzzy system was developed based on three input variables: air temperature (T), relative humidity (RH) and air velocity (V). The output variable was the CT. The fuzzy inference system was performed via Mamdani's method which consisted in 48 rules. The defuzzification was done using center of gravity method. The fuzzy system was developed using MAPLE® 8. Experimental results, used for validation, showed that the average standard deviation between simulated and measured values of CT was 0.13°C. The proposed fuzzy system was found to satisfactorily predict CT based on climatic variables. Thus, it could be used as a decision support system on broiler chicken growth.

Este trabalho descreve a aplicação de Redes Neurais Artificiais na tarefa de previsão da produção de álcool no Brasil no ano de 2006, a partir de dados de produção anteriores. É também apresentada uma comparação entre os resultados obtidos por meio da Rede Neural com os obtidos utilizando técnicas de séries temporais, sendo que a Rede Neural obteve melhores resultados.

This work describes the application of Artificial Neural Networks in the forecasting of alcohol production in Brazil in the year of 2006 using past data. Results obtained through Neural Networks were compared to those obtained using time series techniques, and Neural Networks have shown better results.