@PHDTHESIS{ 2024:2055520528,
 	title = {Modelagem preditiva da produtividade da soja utilizando aprendizado de máquina},
 	year = {2024},
 	url = "https://tede.unioeste.br/handle/tede/7468",
 	abstract = "Esta tese explora a aplicação de algoritmos de aprendizado de máquina para prever a produtividade da soja em uma área comercial no estado do Paraná, Brasil. A produtividade da
 soja é influenciada por fatores como condições climáticas e atributos químicos do solo. Foram
 utilizados dados históricos de produtividade, informações meteorológicas e análises químicas
 do solo para desenvolver modelos preditivos. No primeiro artigo, algoritmos de aprendizado de
 máquina, como Random Forest, Gradient Boosting Machine (GBM), Support Vector Regression (SVR), K-Nearest Neighbors (KNN) e Multi-Layer Perceptron (MLP), foram testados. O
 Random Forest apresentou o melhor desempenho, com a raiz do erro quadrático médio igual
 a 0,446 e um coeficiente de determinação R2 igual a 0,824. As variáveis mais influentes foram
 teor de ferro (Fe), teor de potássio (K), preciptação no mês de outubro e preciptação no mês
 de fevereiro. No segundo artigo, a análise foi expandida para incluir variáveis meteorológicas.
 Foram aplicadas técnicas de pré-processamento, como correlação linear de Pearson, fator de
 inflação da variância (FIV) e o método Boruta, para remover a multicolinearidade. Algoritmos
 de aprendizado de máquina, foram ajustados e comparados, incluindo Random Forest, Extra
 Trees Regressor, CatBoost, AdaBoost e LightGBM. Após melhorias, o modelo de Random Forest refinado se destacou com uma raiz do erro quadrático médio igual de 0,407 e um R2 de
 0,837. A análise SHAP (SHapley Additive exPlanations) revelou que variáveis meteorológicas
 têm um impacto significativo na produtividade da soja, com influências variadas dos atributos
 químicos restantes. Por fim, em ambos os artigos, foram construídos Post-Plots para comparar
 a produtividade real e a predita.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}