RESUMO
Dados de área foliar de plantas de café são importantes para estudos e análises de produtividade, fisiologia, adaptação às condições ambientais e manejos culturais. O objetivo deste trabalho foi predizer a área foliar de plantas de café por meio de redes neurais artificiais e avaliar a eficiência dessa metodologia por meio de comparação com modelos de regressão múltipla. Foram avaliados 43 genótipos de reprodução e idade semelhantes e testados 14 tipos de equações de regressão múltipla a partir de combinações de comprimento e largura de folhas O algoritmo backpropagation foi utilizado para desenvolver redes neurais do tipo perceptron multicamadas, e foram testadas possíveis combinações entre duas funções de ativação da camada intermediária e o número de neurônios na camada intermediária. Na modelagem de redes neurais artificiais, os melhores resultados de ajuste foram encontrados com a função de ativação sigmoide e três neurônios na camada oculta (R² = 0,990; RMSE = 2,855 na fase de treinamento). Considerando os erros (RMSE, MAE e MAPE) e coeficientes de determinação como parâmetros estatísticos comparando os dois métodos utilizados, os modelos que utilizaram redes neurais artificiais apresentaram as melhores estimativas de área foliar nas fases de treinamento e validação. O método de redes neurais artificiais pode ser utilizado como alternativa ou modelo de apoio para estimativa de área foliar de cafeeiros.
Palavras-chave:
modelos estatísticos; inteligência artificial; back propagation; comprimento foliar; largura