Aplicando o Algoritmo de Memória de Longo Prazo para Previsualizar a Perda de Capacidade de Termorregulação em Colônias de Abelhas

• Antonio Braga UFC
• Lia Furtado UFC
• Antonio Bezerra UFC
• Breno Freitas UFC
• Joseph Cazier Appalachian State University
• Danielo Gomes UFC

DOI: https://doi.org/10.5753/wcama.2019.6422

Resumo

As abelhas são os principais polinizadores da maioria das espécies de plantas silvestres e cultivadas, sendo essenciais para a manutenção dos ecossistemas vegetais e para a produção de alimentos. Mas eles estão ameaçados devido a uma série de fatores como pesticidas, perda de habitat e mudanças climáticas. Aqui, propomos um método para identificar a perda de capacidade de termorregulação em colônias de abelhas. Nós aplicamos o algoritmo Long Short-Term Memory (LSTM), que é baseado em Redes Neurais Recorrentes (RNN), para seis conjuntos de dados reais do sistema de monitoramento remoto de colmeias da Arnia. Das temperaturas das crias coletadas ao longo do outono europeu em 2017, o LSTM foi capaz de detectar quando uma colônia de abelhas está prestes a perder sua capacidade de termorregulação. Nossos resultados mostraram um erro de apenas 0,5% na predição de colmeias bem termorreguladas.

Palavras-chave: Apis mellifera, monitoramento, perda da termorregulação, LSTM, predição