Repository logo
 
Publication

Mathematical statistics vs machine learning: towards an intelligent modeling framework for soil and plant growth processes

2020Master thesis Open access
Simple item page
datacite.subject.fosEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informáticapt_PT
dc.contributor.advisorAlmeida, João P.
dc.contributor.advisorZamotajlova, Darya
dc.contributor.authorLabintseva, Valentina
dc.date.accessioned2021-02-04T16:03:20Z
dc.date.available2021-02-04T16:03:20Z
dc.date.issued2020
dc.date.submitted2019
dc.descriptionMestrado de dupla diplomação com a Kuban State Agrarian Universitypt_PT
dc.description.abstractThe work described in this dissertation focuses on the methods for analyzing MS and ML that are used in PF. The purpose of the work is to investigate these methods on their practical application to a specific set of data. In the course of the work, the following tasks were completed: the current state of affairs in the field of PF was investigated, the theoretical foundations of the methods of MS and ML were investigated, which were subjected to practical tests on a specific set of data. Conclusions were drawn about the advantages and disadvantages of these methods. A selection of works of scientists engaged in research on the introduction of a specific set of nutrients into the soil was also investigated. The most important contributions to this work are the practical application of various methods of analysis, as well as the design of a DST designed to help farmers integrate PF into their pilot training farms.pt_PT
dc.description.abstractO trabalho descrito nesta dissertação versa sobre métodos e técnicas no âmbito da Estatística Matemática e de ML usados para efeitos de previsão de colheitas e tratamento de solos em agricultura de precisão. O objetivo do trabalho é investigar esses métodos em sua aplicação prática a um conjunto específico de dados. No decorrer do trabalho, foram realizadas as seguintes tarefas: investigou-se a situação atual no campo da agricultura de precisão, investigaram-se os fundamentos teóricos dos métodos e técnicas da estatística matemática e de ML. Estes métodos e técnicas foram submetidos a testes práticos em um conjunto específico de dados. Foram tiradas conclusões sobre as vantagens e desvantagens desses métodos: Uma seslção de trabalhos científicos relacionados com a investigação sobre a introdução de um conjunto específico de nutrientes no solo foram também investigados. As contribuições mais importantes para este trabalho são a aplicação prática de vários métodos de análise, bem como o projeto de uma ferramenta de apoio à decisão projetada para ajudar os agricultores a integrar a agricultura de precisão nas suas propriedades agrícolas.pt_PT
dc.identifier.tid202605213pt_PT
dc.identifier.urihttp://hdl.handle.net/10198/23224
dc.language.isoengpt_PT
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/pt_PT
dc.subjectMathematical statisticspt_PT
dc.subjectMachine learningpt_PT
dc.subjectLinear regressionpt_PT
dc.subjectlusterinGpt_PT
dc.subjectPrecision farmingpt_PT
dc.subjectIntelligent farmingpt_PT
dc.subjectModelingpt_PT
dc.subjectSoilpt_PT
dc.subjectPlantSpt_PT
dc.subjectNutrientspt_PT
dc.subjectMoisturept_PT
dc.subjectDecision support toolpt_PT
dc.titleMathematical statistics vs machine learning: towards an intelligent modeling framework for soil and plant growth processespt_PT
dc.typemaster thesis
dspace.entity.typePublication
rcaap.rightsopenAccesspt_PT
rcaap.typemasterThesispt_PT
thesis.degree.nameSistemas de Informaçãopt_PT

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Labintseva_Valentina.pdf
Size:
2.81 MB
Format:
Adobe Portable Document Format
Download

Collections

ESTiG - Dissertações de Mestrado Alunos