Uso de regressão e redes neurais artificiais na estimativa do volume de Khaya ivorensis.
Este trabalho objetivou comparar o volume de árvores de mogno africano estimado pelo modelo de Schumacher e Hall e por redes neurais artificiais. A coleta de dados ocorreu em dois sistemas agroflorestais no município de Belterra, Pará, com 7 e 11 anos de idade. Em cada local foram cubadas 34 árvores em pé. Para as estimativas de volume comercial foram empregadas as formas do modelo de Schumacher e Hall (linear e não linear) e uso de redes neurais artificiais (RNA) do tipo Multilayers perceptron. As arquiteturas de RNA com 4 neurônios na camada de entrada propiciaram as melhores estimativas e valores de erro, sensivelmente melhores do que os modelos volumétricos, tendo as RNA um erro 36,7% menor que o modelo de Schumacher e Hall não linear. Este último modelo apresentou tendência a superestimar os volumes e a RNA obteve estimativas mais livres de tendências. As redes neurais artificiais geraram estimativas com maior precisão em relação às formas do modelo de regressão. Essa técnica mostrou-se viável, pois uma única rede pode estimar o volume para diferentes locais, dispensando necessidade de estratificação.
| Main Authors: | , , , , , , , |
|---|---|
| Other Authors: | |
| Format: | Artigo de periódico biblioteca |
| Language: | Portugues pt_BR |
| Published: |
2020-07-31
|
| Subjects: | Mogno africano, Volumetria, Redes neurais, Belterra, Volume, Árvore, Khaya ivorensis, |
| Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1124140 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Este trabalho objetivou comparar o volume de árvores de mogno africano estimado pelo modelo de Schumacher e Hall e por redes neurais artificiais. A coleta de dados ocorreu em dois sistemas agroflorestais no município de Belterra, Pará, com 7 e 11 anos de idade. Em cada local foram cubadas 34 árvores em pé. Para as estimativas de volume comercial foram empregadas as formas do modelo de Schumacher e Hall (linear e não linear) e uso de redes neurais artificiais (RNA) do tipo Multilayers perceptron. As arquiteturas de RNA com 4 neurônios na camada de entrada propiciaram as melhores estimativas e valores de erro, sensivelmente melhores do que os modelos volumétricos, tendo as RNA um erro 36,7% menor que o modelo de Schumacher e Hall não linear. Este último modelo apresentou tendência a superestimar os volumes e a RNA obteve estimativas mais livres de tendências. As redes neurais artificiais geraram estimativas com maior precisão em relação às formas do modelo de regressão. Essa técnica mostrou-se viável, pois uma única rede pode estimar o volume para diferentes locais, dispensando necessidade de estratificação. |
|---|