RESUMO
Dados ambientais frequentemente apresentam valores censurados, perdidos e/ou discrepantes (outliers). Além disto, as amostras devem ser consideradas dependentes por terem componentes espaciais e temporais. Outro fato frequente nestes dados é que dificilmente seguem uma distribuição Normal ou Log-normal. Devido a estas características e outras, técnicas estatísticas convencionais não devem ser utilizadas. O presente trabalho apresenta um estudo de caso do rio das Velhas, Minas Gerais, utilizando métodos estatísticos robustos após o tratamento adequado dos dados. A análise de componentes principais detectou as variáveis que mais contribuem para a degradação da qualidade das águas do rio das Velhas e a visualização espacial dos escores mostrou onde esta contaminação está mais evidente.
Environmental data often presents censored, lost and/or outlier values. In addition, samples should be considered dependent for having spatial and temporal components. Another fact is that, frequently, these data won't follow a Normal or Log-normal distribution. Because of these and other characteristics, conventional statistical techniques should not be used. This article presents a case study of the Das Velhas river, Minas Gerais, using robust statistical methods after appropriate treatment of the data. The analysis of the main components found the variables that contribute the most for the degradation of water quality in the river, and the spatial visualization of the scores showed where this contamination is most evident.
RESUMO
Heat waves usually result in losses of animal production since they are exposed to thermal stress inducing an increase in mortality and consequent economical losses. Animal science and meteorological databases from the last years contain enough data in the poultry production business to allow the modeling of mortality losses due to heat wave incidence. This research analyzes a database of broiler production associated to climatic data, using data mining techniques such as attribute selection and data classification (decision tree) to model the impact of heat wave incidence on broiler mortality. The temperature and humidity index (THI) was used for screening environmental data. The data mining techniques allowed the development of three comprehensible models for estimating specifically high mortality during broiler production. Two models yielded a classification accuracy of 89.3% by using Principal Component Analysis (PCA) and Wrapper feature selection approaches. Both models obtained a class precision of 0.83 for classifying high mortality. When the feature selection was made by the domain experts, the model accuracy reached 85.7%, while the class precision of high mortality was 0.76. Meteorological data and the calculated THI from meteorological stations were helpful to select the range of harmful environmental conditions for broilers 29 and 42 days old. The data mining techniques were useful for building animal production models.
As ondas de calor provocam perdas na produção animal pela sua exposição ao estresse por calor aumentando a mortalidade, e consequentemente, perdas econômicas. Bancos de dados zootécnicos e meteorológicos históricos podem conter informações que permitem modelar a mortalidade de frangos devido à incidência de ondas de calor. O objetivo foi analisar bancos de dados de frangos de corte associados a dados meteorológicos utilizando técnicas de mineração de dados, seleção de atributos e classificação (árvore de decisão) para modelar o impacto da incidência de onda de calor na mortalidade de frangos de corte. O Índice de Temperatura e Umidade (ITU) foi utilizado para descrever parte dos dados ambientais. A técnica de Mineração de Dados permitiu a construção de três modelos compreensíveis para estimar a alta mortalidade em frangos de corte. Os modelos gerados pela abordagem de seleção de atributos por Análise dos Componentes Principais e Wrapper apresentaram igual desempenho com uma precisão total de 89,3% e a classificação para alta mortalidade foi de 83,3%. Quando a seleção foi feita por especialistas do domínio, a precisão do modelo foi de 85,7%, e a da classificação para alta mortalidade foi de 76,9%. Resultados meteorológicos e o ITU calculada a partir de estações meteorológicas permitiram identificar condições ambientais prejudiciais para frangos entre 29 e 42 dias de vida. A técnica de Mineração de Dados é aplicável para construir modelos preditivos para a produção animal.
RESUMO
Heat waves usually result in losses of animal production since they are exposed to thermal stress inducing an increase in mortality and consequent economical losses. Animal science and meteorological databases from the last years contain enough data in the poultry production business to allow the modeling of mortality losses due to heat wave incidence. This research analyzes a database of broiler production associated to climatic data, using data mining techniques such as attribute selection and data classification (decision tree) to model the impact of heat wave incidence on broiler mortality. The temperature and humidity index (THI) was used for screening environmental data. The data mining techniques allowed the development of three comprehensible models for estimating specifically high mortality during broiler production. Two models yielded a classification accuracy of 89.3% by using Principal Component Analysis (PCA) and Wrapper feature selection approaches. Both models obtained a class precision of 0.83 for classifying high mortality. When the feature selection was made by the domain experts, the model accuracy reached 85.7%, while the class precision of high mortality was 0.76. Meteorological data and the calculated THI from meteorological stations were helpful to select the range of harmful environmental conditions for broilers 29 and 42 days old. The data mining techniques were useful for building animal production models.
As ondas de calor provocam perdas na produção animal pela sua exposição ao estresse por calor aumentando a mortalidade, e consequentemente, perdas econômicas. Bancos de dados zootécnicos e meteorológicos históricos podem conter informações que permitem modelar a mortalidade de frangos devido à incidência de ondas de calor. O objetivo foi analisar bancos de dados de frangos de corte associados a dados meteorológicos utilizando técnicas de mineração de dados, seleção de atributos e classificação (árvore de decisão) para modelar o impacto da incidência de onda de calor na mortalidade de frangos de corte. O Índice de Temperatura e Umidade (ITU) foi utilizado para descrever parte dos dados ambientais. A técnica de Mineração de Dados permitiu a construção de três modelos compreensíveis para estimar a alta mortalidade em frangos de corte. Os modelos gerados pela abordagem de seleção de atributos por Análise dos Componentes Principais e Wrapper apresentaram igual desempenho com uma precisão total de 89,3% e a classificação para alta mortalidade foi de 83,3%. Quando a seleção foi feita por especialistas do domínio, a precisão do modelo foi de 85,7%, e a da classificação para alta mortalidade foi de 76,9%. Resultados meteorológicos e o ITU calculada a partir de estações meteorológicas permitiram identificar condições ambientais prejudiciais para frangos entre 29 e 42 dias de vida. A técnica de Mineração de Dados é aplicável para construir modelos preditivos para a produção animal.