Pereira, Poliana SilvestreSarmento, Renato AlmeidaPicanço, Marcelo CoutinhoFrança, Luciano Cardoso de2023-11-292023-11-292023-06-26FRANÇA, Luciano Cardoso de. Redes neurais artificiais como ferramenta de previsão sazonal de Spodoptera spp. em soja Bt. 2023. 26 f. Dissertação (Mestrado em Defesa Sanitária Vegetal) - Universidade Federal de Viçosa, Viçosa. 2023.https://locus.ufv.br//handle/123456789/31887A soja (Glycine max) é a leguminosa mais cultivada no mundo e atualmente nesses cultivos a maioria das variedades possuem toxinas da bactéria Bacillus thuringiensis (soja Bt) que conferem resistência a algumas espécies de Lepidoptera. O complexo de lagartas Spodoptera spp. (Lepidoptera: Noctuidae) são pragas importantes nos cultivos de soja Bt. Suas larvas atacam folhas, vagens e grãos, reduzindo o rendimento da cultura. O entendimento e previsão das intensidades de ataque das pragas aos cultivos é importante para o planejamento das épocas de realização de amostragem e de aplicação dos métodos de controle. As redes neurais artificiais (RNAs) são ferramentas de inteligência artificial que podem ser utilizadas em pesquisas de classificação e de análises de regressão como os estudos de dinâmica espaço-temporal das populações de pragas nos cultivos. Assim, este trabalho teve como objetivo usar modelo de RNA para identificação dos fatores reguladores de populações de Spodoptera spp. em cultivos de soja Bt. Durante dois anos foram avaliadas as densidades de lagartas de Spodoptera spp. e inimigos naturais em cultivos comerciais de soja na região do Cerrado brasileiro. Também foram coletados dados de elementos climáticos e da idade das plantas de soja. Para construir as RNAs foram utilizadas, como variáveis de entrada, a idade das plantas de soja, densidades de predadores e parasitoides e variáveis meteorológicas. A variável resposta foi a densidade de Spodoptera spp. Dentre as RNAs projetadas para predizer a sazonalidade de lagartas Spodoptera spp. a mais adequada foi aquela com a médias dos 25 dias anteriores a avaliação da densidade da praga. Essa RNA tem dois neurônios na camada oculta, função de ativação de logística e propagação resiliente da função de aprendizado. As previsões da RNA e as densidades da praga nas lavouras apresentaram correlação de Pearson de 0,779. A temperatura média do ar foi o principal preditor ambiental e afetou negativamente as populações de Spodoptera spp. As maiores densidades de Spodoptera spp. ocorreram com plantas em estágio reprodutivo e nos cultivos de verão chuvoso. Portanto, o modelo de rede neural artificial determinado nesse trabalho é promissor para prever as intensidades de ataque de lagartas Spodoptera spp. em cultivos de soja. Palavras-chave: Glycine max. Lagartas. Inteligência artificial. Elementos climáticos. Dinâmica espaço-temporal.Soybean (Glycine max) is the most cultivated legume in the world and currently in these crops most varieties have Bacillus thuringiensis bacteria toxins (Bt soybean) that confer resistance to some Lepidoptera species. The caterpillar complex Spodoptera spp. (Lepidoptera: Noctuidae) are important pests in Bt soybean crops. Its larvae attack leaves, pods and grains, reducing crop yield. Understanding and predicting the intensities of attack by pests on crops is important for planning the times for sampling and application of control methods. Artificial neural networks (ANNs) are artificial intelligence tools that can be used in classification research and regression analysis such as studies of space-time dynamics of populations of pests in crops. Thus, this work aimed to use an RNA model to identify the regulatory factors of populations of Spodoptera spp. in Bt soybean crops. During two years, the densities of caterpillars of Spodoptera spp. and natural enemies in commercial soybean crops in the Brazilian Cerrado region. Data on climatic elements and the age of soybean plants were also collected. To build the ANNs, the age of soybean plants, predator and parasitoid densities and meteorological variables were used as input variables. The response variable was the density of Spodoptera spp. Among the ANNs designed to predict the seasonality of Spodoptera spp. the most adequate was the one with the average of the 25 days prior to the pest density assessment. This ANN has two neurons in the hidden layer, logistic activation function and resilient propagation of the learning function. ANN predictions and pest densities in crops showed a Pearson correlation of 0.779. Mean air temperature was the main environmental predictor and negatively affected populations of Spodoptera spp. The highest densities of Spodoptera spp. occurred with plants in the reproductive stage and in rainy summer crops. Therefore, the artificial neural network model determined in this work is promising to predict the attack intensities of Spodoptera spp caterpillars. in soybean crops. Keywords: Glycine max. Caterpillars. Artificial intelligence. Climatic elements. Space- time dynamics.porAcesso AbertoGlycine maxSoja - Doenças e pragasLagartas - Controle biológicoInteligência artificialSoja - Fatores climáticosDissertaçãohttps://doi.org/10.47328/ufvbbt.2023.438Defesa Sanitária VegetalEntomologia Agrícola