O presente trabalho avaliou o potencial das redes neuronais como método alternativo aos sistemas fundamentais para descrever a epidemia da ferrugem do cafeeiro (Coffea arabica). As redes neuronais foram elaboradas com dados da incidência da ferrugem do cafeeiro, coletados em Lavras de 13/02/1998 a 20/04/2001. As variáveis climáticas precipitação, número de dias com e sem precipitação pluvial, umidade relativa média do ar, horas de insolação, temperaturas máxima, média e mínima, lâmina de água de irrigação e produção foram utilizadas para construir as redes e elaborar equações de regressão. Essas variáveis foram selecionadas pela análise de regressão 'stepwise' ou pelo sistema Braincel®. Séries temporais da incidência da doença também foram empregadas na elaboração de redes. Foram testadas 59 redes e 26 modelos de regressão. A escolha dos melhores modelos baseou-se nos menores valores do quadrado médio do desvio (QMD) e erro médio de previsão (EMP). Para os modelos ajustados pela regressão, também foi considerado o maior valor do coeficiente de determinação (R²). O melhor modelo de rede neuronal apresentou QMD=3,43 e EMP=1,17% e incluiu as variáveis temperatura mínima, umidade relativa do ar, produção e insolação, coletadas 30 dias antes da data de avaliação. O melhor modelo ajustado pela análise de regressão foi desenvolvido com 29 variáveis climáticas selecionadas na elaboração da rede e apresentou EMP=6,58%, QMD=4,36 e R²=0,80. As redes neuronais elaboradas a partir de séries temporais também foram adequadas para descrever a epidemia e têm grande possibilidade de emprego para descrever epidemias. As observações da incidência das quatro quinzenas anteriores resultaram em um modelo com EMP=4,72% e QMD=3,95.
The objective of this paper was to evaluate the potential of neural networks (NN) as an alternative method to the basic epidemiological approach to describe epidemics of coffee rust. The NN was developed from the intensities of coffee (Coffea arabica) rust along with the climatic variables collected in Lavras-MG between 13 February 1998 and 20 April 2001. The NN was built with climatic variables that were either selected in a stepwise regression analysis or by the Braincel® system, software for NN building. Fifty-nine networks and 26 regression models were tested. The best models were selected based on small values of the mean square deviation (MSD) and of the mean prediction error (MPE). For the regression models, the highest coefficients of determination (R²) were used. The best model developed with neural networks had an MSD of 4.36 and an MPE of 2.43%. This model used the variables of minimum temperature, production, relative humidity of the air, and irradiance 30 days before the evaluation of disease. The best regression model was developed from 29 selected climatic variables in the network. The summary statistics for this model were: MPE=6.58%, MSE=4.36, and R²=0.80. The elaborated neural networks from a time series also were evaluated to describe the epidemic. The incidence of coffee rust at four previous fortnights resulted in a model with MPE=4.72% and an MSD=3.95.
