Latent heat loss of Holstein cows in a tropical environment: a prediction model

Nove vacas Holandesas lactantes com 526 ± 5 kg de peso corporal (cinco predominantemente pretas e quatro predominantemente brancas), criadas em região tropical e manejadas em pastagens, foram observadas com os objetivos de determinar simultaneamente as taxas de evaporação cutânea e respiratória em ambiente tropical e desenvolver modelos de predição. Para a medição da perda de calor latente pela superfície corporal, utilizou-se uma cápsula ventilada e, para a perda por respiração, utilizou-se uma máscara facial. Os resultados mostraram que as vacas que tinham maior peso corporal (classe 2 e 3) apresentaram maiores taxas evaporativas. Quando a temperatura do ar aumentou de 10 para 36ºC e a umidade relativa do ar caiu de 90 para 30%, a eliminação de calor por evaporação respiratória aumentou de aproximadamente 5 para 57 W m-2 e a evaporação na superfície corporal passou de 30 para 350 W m-2. Esses resultados confirmam que a eliminação de calor latente é o principal mecanismo de perda de energia térmica sob altas temperaturas (>30ºC); a evaporação cutânea é a maior via e corresponde a aproximadamente 85% da perda total de calor, enquanto o restante é eliminado pelo sistema respiratório. O modelo para predizer o fluxo de perda de calor latente baseado em variáveis fisiológicas e ambientais pode ser utilizado para estimar a contribuição da evaporação na termorregulação, enquanto o modelo baseado somente na temperatura do ar deve ser usado apenas para a simples caracterização do processo evaporativo.

Risk prediction for weed infestation using classification rules

This paper proposes a fuzzy classification system for the risk of infestation by weeds in agricultural zones considering the variability of weeds. The inputs of the system are features of the infestation extracted from estimated maps by kriging for the weed seed production and weed coverage, and from the competitiveness, inferred from narrow and broad-leaved weeds. Furthermore, a Bayesian network classifier is used to extract rules from data which are compared to the fuzzy rule set obtained on the base of specialist knowledge. Results for the risk inference in a maize crop field are presented and evaluated by the estimated yield loss. © 2009 IEEE.

A Spatial and Temporal Prediction Model of Corn Grain Yield as a Function of Soil Attributes

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Bayesian binary regression model: an application to in-hospital death after AMI prediction

Um modelo bayesiano de regressão binária é desenvolvido para predizer óbito hospitalar em pacientes acometidos por infarto agudo do miocárdio. Métodos de Monte Carlo via Cadeias de Markov (MCMC) são usados para fazer inferência e validação. Uma estratégia para construção de modelos, baseada no uso do fator de Bayes, é proposta e aspectos de validação são extensivamente discutidos neste artigo, incluindo a distribuição a posteriori para o índice de concordância e análise de resíduos. A determinação de fatores de risco, baseados em variáveis disponíveis na chegada do paciente ao hospital, é muito importante para a tomada de decisão sobre o curso do tratamento. O modelo identificado se revela fortemente confiável e acurado, com uma taxa de classificação correta de 88% e um índice de concordância de 83%.

Análise preditiva da densidade mineral óssea em adolescentes brasileiros eutróficos do sexo masculino

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Aplicação preliminar do método QRAM para avaliação de riscos para segurança ocupacional na construção civil

A segurança ocupacional é imprescindível na indústria da construção civil e a análise e avaliação de riscos para a segurança ocupacional (AARSO) é o primeiro e fundamental passo para alcançá-la, baseado na definição e implementação de programas de prevenção. A AARSO é um processo complexo, que implica a consideração e análise de muitos parâmetros quantitativos e/ou qualitativos que são difíceis de quantificar. As metodologias AARSO utilizadas na indústria da construção civil são baseadas em informação sujeita a incerteza (sendo tratada por técnicas probabilísticas e/ou estatísticas), difusa, imprecisa e/ou incompleta. Isso implica algumas limitações, como, por exemplo, obrigar os analistas a estimar parâmetros ou efetuar comparações com outros canteiros de obras (o que afasta do sistema real em estudo). O objetivo inicial deste estudo foi efetuar a pré-validação de um método AARSO, o QRAM, em duas cidades brasileiras, de médio e grande porte.

Características morfogênicas do capim-piatã submetido à adubação com efluentes de abatedouro avícola

O objetivo do trabalho foi avaliar diferentes doses de efluente de abatedouro avícola para proporcionar melhorias nas características produtivas, morfogênicas e estruturais do capim-piatã. O experimento foi conduzido em casa de vegetação, adotando-se delineamento inteiramente casualizado, em que foram testadas cinco doses de efluentes: 324, 648, 972, 1.296 e 1620m³ ha-1 ou equivalente a 50, 100, 150, 200 e 250kg ha-1 de N. As variáveis mensuradas foram: produção de matéria seca (MS), taxa de aparecimento de folha (TApF), taxa de alongamento de folha (TAlF), filocrono, taxa de alongamento de pseudocolmo (TAlC), comprimento final de folha (CFF) e números de folhas verdes (NFV). A produção de MS seguiu um modelo linear de predição em função das doses efluente avícola, em que o tratamento com 250kg ha-1 de N foi 55% maior, quando comparado com o tratamento de 50kg ha-1 de N. Todas as características morfogênicas e estruturais avaliadas com exceção do filocrono apresentaram comportamento linear positivo. Dessa forma, o efluente de abatedouro avícola pode ser utilizado como uma alternativa para adubação do capim-piatã, pois este respondeu de maneira crescente até a dose máxima testada.

Effects of biofertilizer rates on the structural, morphogenetic and productive characteristics of Piata grass

The objective of this study was to investigate the influence of different levels of biofertilizers from cattle and swine manure on the structural, morphogenetic and productive characteristics of Brachiaria brizantha cv. Piata. The experiment was arranged in a completely randomized factorial design with split plots. The plots were defined by eight treatments: two biofertilizers (cattle and swine), four levels (0, 100, 200 and 300 kg N.ha(-1)) and subplots by four different cutting periods. The cutting for plant uniformity was performed at 45 days after sowing at 15 cm above the soil surface. The biofertilizeres were applied in a single level, after the cutting of plants, in rates of 0, 0.23 and 0.19, 0.45 and 0.38, 0.68 and 0.57 liters pot(-1) for the biofertilizers from cattle and swine manure, respectively. These rates were also equivalent to levels of 0, 100, 200 and 300 kg N.ha(-1). There was no significant difference between the types of biofertilizers as there was no interaction between them and the different levels, hence both biofertilizers could be applied without any loss of nutrient intake by the plants used in this experiment. There was a significant difference between the production of green and dry matter, the leaf appearance rate, phyllochron, leaf and pseudostem elongation rates, number of green leaves, final leaf length, number and weight of tillers, according to the increase of nitrogen rates, following linear prediction model. Effect of the cutting periods was also observed, once the plants harvested during the summer presented greater performance of structural and morphogenetic characteristics.

The Development of a Universal In Silico Predictor of Protein-Protein Interactions

Protein-protein interactions (PPIs) are essential for understanding the function of biological systems and have been characterized using a vast array of experimental techniques. These techniques detect only a small proportion of all PPIs and are labor intensive and time consuming. Therefore, the development of computational methods capable of predicting PPIs accelerates the pace of discovery of new interactions. This paper reports a machine learning-based prediction model, the Universal In Silico Predictor of Protein-Protein Interactions (UNISPPI), which is a decision tree model that can reliably predict PPIs for all species (including proteins from parasite-host associations) using only 20 combinations of amino acids frequencies from interacting and non-interacting proteins as learning features. UNISPPI was able to correctly classify 79.4% and 72.6% of experimentally supported interactions and non-interacting protein pairs, respectively, from an independent test set. Moreover, UNISPPI suggests that the frequencies of the amino acids asparagine, cysteine and isoleucine are important features for distinguishing between interacting and non-interacting protein pairs. We envisage that UNISPPI can be a useful tool for prioritizing interactions for experimental validation. © 2013 Valente et al.

Estudo das variáveis do conforto térmico e luminoso em ambientes escolares

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Desenvolvimento de aplicações em medicina e agronomia utilizando lógica fuzzy e neuro fuzzy

Pós-graduação em Engenharia Elétrica - FEIS

Estimativa da produtividade de trigo em função da adubação nitrogenada utilizando modelagem neuro fuzzy

Currently new techniques for data processing, such as neural networks, fuzzy logic and hybrid systems are used to develop predictive models of complex systems and to estimate the desired parameters. In this article the use of an adaptive neuro fuzzy inference system was investigated to estimate the productivity of wheat, using a database of combination of the following treatments: five N doses (0, 50, 100, 150 and 200 kg ha(-1)), three sources (Entec, ammonium sulfate and urea), two application times of N (at sowing or at side-dressing) and two wheat cultivars (IAC 370 and E21), that were evaluated during two years in Selviria, Mato Grosso do Sul, Brazil. Through the input and output data, the system of adaptive neuro fuzzy inference learns, and then can estimate a new value of wheat yield with different N doses. The productivity prediciton error of wheat in function of five N doses, using a neuro fuzzy system, was smaller than that one obtained with a quadratic approximation. The results show that the neuro fuzzy system is a viable prediction model for estimating the wheat yield in function of N doses.

Desenvolvimento de uma metodologia para elaboração de modelos de predição dos níveis de ruído do campo acústico de usinas hidrelétricas

Pós-graduação em Engenharia Mecânica - FEIS

Modelagem espacial de áreas de recarga subterrânea em região de afloramento do sistema aquífero guarani (sag), em Brotas/SP

Pós-graduação em Agronomia (Irrigação e Drenagem) - FCA

Determinação de sólidos solúveis e firmeza em frutos íntegros de pessegueiro por meio da espectroscopia do infravermelho próximo (NIR)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)