Use este identificador para citar ou linkar para este item: https://locus.ufv.br//handle/123456789/3030
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorBinoti, Mayra Luiza Marques da Silva
dc.date.accessioned2015-03-26T13:15:05Z-
dc.date.available2011-10-18
dc.date.available2015-03-26T13:15:05Z-
dc.date.issued2010-02-23
dc.identifier.citationBINOTI, 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.por
dc.identifier.urihttp://locus.ufv.br/handle/123456789/3030-
dc.description.abstractO 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.pt_BR
dc.description.abstractThe 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.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de Viçosapor
dc.rightsAcesso Abertopor
dc.subjectRedes neuraispor
dc.subjectPrognosepor
dc.subjectEucaliptopor
dc.subjectNeural networkseng
dc.subjectPrognosiseng
dc.subjectEucalyptuseng
dc.titleRedes neurais artificiais para prognose da produção de povoamentos não desbastados de eucaliptopor
dc.title.alternativeArtificial neural networks for prognosis of yield of nonthinned stands of eucalyptuseng
dc.typeDissertaçãopor
dc.contributor.authorLatteshttp://lattes.cnpq.br/1438044221630918por
dc.contributor.advisor-co1Gleriani, José Marinaldo
dc.contributor.advisor-co1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791933J1por
dc.contributor.advisor-co2Ribeiro, Carlos Antônio Alvares Soares
dc.contributor.advisor-co2Latteshttp://lattes.cnpq.br/0257744922714589por
dc.publisher.countryBRpor
dc.publisher.departmentManejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização depor
dc.publisher.programMestrado em Ciência Florestalpor
dc.publisher.initialsUFVpor
dc.subject.cnpqCNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTALpor
dc.contributor.advisor1Leite, Hélio Garcia
dc.contributor.advisor1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785373Z6por
dc.contributor.referee1Soares, Carlos Pedro Boechat
dc.contributor.referee1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798603J4por
dc.contributor.referee2Neves, Júlio César Lima
dc.contributor.referee2Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783076D4por
dc.contributor.referee3Oliveira, Márcio Leles Romarco de
dc.contributor.referee3Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4768005Y0por
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.