Programa de Pós-Graduação em Modelagem Matemática - Mestrado

URI Permanente para esta coleçãohttps://bibliodigital.unijui.edu.br/handle/123456789/466

Navegar

Navegando Programa de Pós-Graduação em Modelagem Matemática - Mestrado por Assunto "Algoritmo genético"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Modelagem matemática da dinâmica de uso do nitrogênio fertilizante com espécies de rápido crescimento e decomposição anteriores à semeadura da aveia
    (2024-10-24) Warmbier, Eduarda
    O Brasil é uma das maiores potências mundiais na produção de alimentos e a forma de produzir deve estar conectada à promoção de processos limpos e sustentáveis. Entre os principais alimentos produzidos está a aveia-branca, espécie que faz parte do consumo humano e se destaca por ser um alimento funcional. Durante o ciclo da aveia, o nitrogênio (N) é o nutriente mais absorvido, responsável por diferentes funções no sistema vegetal e possuindo grande influência no desenvolvimento e na expressão da produtividade. Embora esteja no ambiente em diferentes fontes, o processo de liberação do nutriente às plantas é demorado, comprometendo a produtividade. Este fato leva à necessidade da suplementação com fertilizantes sintéticos nitrogenados para rápida absorção e aproveitamento. No entanto, o uso de N-fertilizante é facilmente perdido ao ambiente, refletindo em grandes problemas ambientais envolvendo a contaminação do solo, água e atmosfera. Durante o cultivo de verão no Brasil, as principais espécies de grande interesse comercial e que representam as culturas antecessoras à aveia são o milho e a soja. O milho, uma gramínea com alta relação C/N, é cultivado em grande parte para subsidiar a produção leiteira através do corte da planta inteira para elaboração de silagem, condição que deixa o solo descoberto, facilitando a erosão e perdas de nutrientes. A soja, é uma leguminosa de baixa relação C/N, que contém em suas raízes bactérias fixadoras do N do ar, apresenta atividade microbiana acelerada e rápida decomposição de seu tecido vegetal. No entanto, essa situação propicia que os nutrientes disponibilizados ao solo sejam aproveitados por plantas invasoras, que revigoram seu poder de crescimento e invadem ainda mais as lavouras de aveia, gerando maior uso de agrotóxicos para controle. A incorporação de espécies após cultivo de verão e anterior à semeadura da aveia com rápida cobertura vegetal para proteção do solo e controle de invasoras, bem como de reduzida relação C/N com alta capacidade de decomposição e liberação de nutrientes, representa uma possibilidade de também reduzir o uso de N-fertilizante. No que envolve o estudo de biossistemas complexos, a modelagem matemática e técnicas de inteligência artificial são decisivas para compreensão destes fenômenos e podem validar processos mais sustentáveis de cultivo da aveia. O objetivo desse estudo foi empregar modelos matemáticos e técnicas de inteligência artificial na simulação e otimização de uso de nitrogênio na cultura da aveia em sistemas de alta e reduzida relação C/N tradicionais e com uso de espécies de rápida cobertura vegetal no período de pousio momentâneo. O experimento foi realizado nos anos agrícolas de 2020 e 2021, no Instituto Regional de Desenvolvimento Rural (IRDeR/UNIJUÍ), localizado em Augusto Pestana/RS. O delineamento experimental foi de blocos ao acaso, com oito repetições, em um arranjo fatorial 4x6 para doses de nitrogênio (0, 60, 120 e 180 kg ha-1 ) e sistemas de sucessão (soja/pousio, soja/nabo, soja/sarraceno, milho/pousio, milho/nabo e milho/sarraceno). A análise de variância e teste de médias por Scott&Knott comprovaram a influência do nitrogênio sobre os componentes da produtividade, qualidade industrial e química dos grãos de aveia. A pesquisa também evidenciou a dependência de ação do nitrogênio pelas condições meteorológicas. Os anos agrícolas em estudo foram desfavoráveis ao cultivo da aveia, mostrando a forte restrição ao aproveitamento do nitrogênio. Em todos os sistemas estudados se percebe a necessidade de um grande volume de N-fertilizante para atingir a máxima eficiência biológica. Há uma tendência de redução com a incorporação de nabo e sarraceno no pousio momentâneo. Os resultados de máxima eficiência econômica evidenciam redução significativa de uso de nitrogênio em comparação a eficiência biológica em todos os sistemas de sucessão testados. Embora tenha se constatado um cenário desfavorável de cultivo da aveia, a rede neural implementada é capaz de simular com grande eficiência a produtividade de grãos de aveia, trazendo os manejos de nitrogênio, indicadores biológicos e meteorológicos. A otimização via algoritmo genético foi eficiente, apontando a possibilidade de redução de doses de nitrogênio nos sistemas de cultivo, principalmente com a inserção de nabo e sarraceno no pousio momentâneo. Além disso, ainda há a possibilidade de melhorar a estrutura da rede e a otimização de nitrogênio com a inclusão de novos cenários agrícolas.
  • Imagem de Miniatura
    Item
    Modelagem matemática do tempo de vida de baterias de lítio íon polímero utilizando algoritmos genéticos
    (2015-05-06) Brondani, Marcia de Fatima
    O uso de dispositivos móveis teve um amplo crescimento na última década, aliado a este crescimento, houve uma diversi cação dos serviços utilizados. Estas características implicam um aumento no consumo de energia e da expectativa do tempo de uso. Neste contexto, o estudo de métodos que possibilitem aumentar ou mesmo prever o tempo de vida de uma bateria passam a ter signi cativa importância. Uma maneira de predizer o tempo de vida de baterias é através do uso de modelos matemáticos que simulam a descarga de energia nas mesmas. Este trabalho apresenta a modelagem matemática da predição do tempo de vida de baterias de Lítio Íon Polímero, através do modelo elétrico Battery, fazendo uso de um amplo conjunto de dados de descarga de baterias obtidos a partir da utilização de uma plataforma de testes. O modelo Battery necessita a estimação de um conjunto de parâmetros que são geralmente estimados através da análise visual de alguns pontos nas curvas características de descarga das baterias. Neste trabalho é proposto um Algoritmo Genético para sistematizar e otimizar a estimação destes parâmetros. Os resultados obtidos demonstram a superioridade do Algoritmo Genético na estimação dos parâmetros, já que este obteve uma taxa média de erro consideravelmente inferior às taxas de erro encontradas com os métodos de análise de curvas de descarga, demonstrando tanto a e cácia do modelo elétrico Battery, quanto a e ciência do Algoritmo Genético em estimar seus parâmetros.