Use este identificador para citar ou linkar para este item: https://locus.ufv.br//handle/123456789/3030
Tipo: Dissertação
Título: Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto
Título(s) alternativo(s): Artificial neural networks for prognosis of yield of nonthinned stands of eucalyptus
Autor(es): Binoti, Mayra Luiza Marques da Silva
Primeiro Orientador: Leite, Hélio Garcia
Primeiro coorientador: Gleriani, José Marinaldo
Segundo coorientador: Ribeiro, Carlos Antônio Alvares Soares
Primeiro avaliador: Soares, Carlos Pedro Boechat
Segundo avaliador: Neves, Júlio César Lima
Terceiro avaliador: Oliveira, Márcio Leles Romarco de
Abstract: O objetivo deste estudo foi treinar, aplicar e avaliar a eficiência de redes neurais artificiais (RNA) para realizar a prognose da produção de povoamentos eqüiâneos de clones de eucalipto. Os dados utilizados foram provenientes de povoamentos localizados no sul da Bahia, totalizando cerca de 2.000 hectares de floresta. Foram utilizadas variáveis numéricas, como idade, área basal, dap, altura total, volume e variáveis categóricas, como classe de solo, textura, tipos de espaçamento, relevo, projeto e clone. Os níveis de detalhamento da modelagem foram para o povoamento e para árvores individuais. Os dados foram divididos aleatoriamente em dois grupos: treinamento (80%) e generalização (20%). Os dados de treinamento foram utilizados para criar as redes neurais, enquanto que os dados de generalização serviram para avaliar a capacidade da rede em fornecer resultados precisos para dados desconhecidos. Foram treinadas redes de três tipos: perceptron, perceptron de múltiplas camadas e redes de função de base radial. As RNA que apresentaram os melhores desempenhos no treinamento e generalização foram selecionadas para realizar a prognose com dados a partir do primeiro inventário florestal. Conclui-se que as RNA apresentaram resultados satisfatórios em ambos os níveis, povoamento total e árvore individual, comprovando o potencial e aplicabilidade da técnica na solução dos problemas de mensuração e manejo florestal.
The aim of this study was to train, implement and evaluate the efficiency of artificial neural networks (ANN) to perform the prognosis of yield of even-aged stands of clones of eucalyptus. The data were from stands of eucalyptus located in south of Bahia, totaling about 2,000 hectares of forest. Were used numerical variables such as age, basal area, dbh, total height, volume and categorical variables such as class of soil, texture, spacing, topography, project and clone. The levels of detail of modeling were at the level of stand and individual tree. The data were randomly divided into two groups: training (80%) and generalization (20%). The training data were used to create neural networks, while the generalization data were used to evaluate the capacity of network toprovide accurate results for the unknown data. Were trained three types of networks: perceptron, multilayer perceptron and radial basis function.The ANN that presents the best performances in training and generalization were selected to perform the prognosis with data from the first inventory. Concluded that the ANN showed satisfactory results for total stand and individual tree, proving the potential and applicability of the technique in solving problems of forest measurement and management.
Palavras-chave: Redes neurais
Prognose
Eucalipto
Neural networks
Prognosis
Eucalyptus
CNPq: CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL
Idioma: por
País: BR
Editor: Universidade Federal de Viçosa
Sigla da Instituição: UFV
Departamento: Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de
Programa: Mestrado em Ciência Florestal
Citação: BINOTI, Mayra Luiza Marques da Silva. Artificial neural networks for prognosis of yield of nonthinned stands of eucalyptus. 2010. 64 f. Dissertação (Mestrado em Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de) - Universidade Federal de Viçosa, Viçosa, 2010.
Tipo de Acesso: Acesso Aberto
URI: http://locus.ufv.br/handle/123456789/3030
Data do documento: 23-Fev-2010
Aparece nas coleções:Ciência Florestal

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
texto completo.pdf1,29 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.