Publicação:
Modelo preditivo do ciclo de colheita de sementes de milho

Página do item simplificado
dc.contributor.advisor1Pinto, Rogério De Melo Costa
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0353795702229703pt_BR
dc.contributor.referee1Guimarães, Ednaldo Carvalho
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9047680281290501pt_BR
dc.contributor.referee2Tavares, Marcelo
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4142478901587907pt_BR
dc.creatorPalma, Victor Augusto Borin
dc.date.accessioned2026-08-27T12:50:29Z
dc.date.available2026-08-27T12:50:29Z
dc.date.issued2026-08-05
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA previsão do ciclo de colheita de sementes de milho é fundamental para a qualidade fisiológica do produto e para a eficiência operacional da produção e do beneficiamento. Este trabalho teve como objetivo desenvolver um modelo preditivo para estimar o ciclo de colheita de sementes de milho, utilizando técnicas de aprendizado de máquina automatizado por meio da biblioteca AutoGluon, com base em variáveis agronômicas, climáticas, fenológicas e características de híbridos. A base de dados histórica, proveniente de diferentes regionais produtoras, foi organizada em quatro grupos de variáveis (contexto produtivo, clima acumulado, fenologia/fisiologia e indicadores pré-colheita) e submetida a um processo de seleção de variáveis antes do treinamento. O AutoGluon avaliou múltiplos algoritmos (incluindo Random Forest, Extra Trees, LightGBM, XGBoost, CatBoost e redes neurais) e combinou suas previsões por meio de uma estratégia de stacking multinível, resultando no modelo final WeightedEnsemble_L3_FULL. Os resultados mostraram desempenho satisfatório, com coeficiente de determinação (R2 ) de 0,918134: no consolidado Brasil, aproximadamente 72,6% dos contratos apresentaram erro de previsão igual ou inferior a 5 dias, com diferença média de 2,64 dias nessa faixa. A análise por regional revelou desempenho inferior na Regional Sul, associado à maior variabilidade climática local. Conclui-se que a abordagem de AutoML baseada em ensemble learning constitui uma alternativa promissora para apoiar o planejamento agrícola e a logística da indústria de beneficiamento de sementes de milho no Brasil.pt_BR
dc.identifier.citationPALMA, Victor Augusto Borin. Modelo preditivo do ciclo de colheita de sementes de milho. 2026. 26 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2026.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/49881
dc.languageporpt_BR
dc.language.isopt_BRpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEstatísticapt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration26pt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectAutoMLpt_BR
dc.subjectSementes de milhopt_BR
dc.subjectCiclo colheitapt_BR
dc.subjectMachine learningpt_BR
dc.subjectAutoMLpt_BR
dc.subjectAutoGluonpt_BR
dc.subjectcorn seedspt_BR
dc.subjectharvest cyclept_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApt_BR
dc.titleModelo preditivo do ciclo de colheita de sementes de milhopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ModeloPreditivoCiclo.pdf
Tamanho:
263.81 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

TCC - Estatística