Estimativa da altura de eucalipto por meio deregressão não linear e redes neurais artificiais

• Autor(a) principal: Vendruscolo, Diogo Guido Streck
• Data de Publicação: 2015
• Outros Autores: Drescher, Ronaldo, Souza, Hudson Santos, Moura, Jhonny Pinto Vieira Mendes, Mamoré, Fernanda Meyer Dotto, Siqueira, Tiago Altobelle da Silva
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFLA
• Texto Completo: http://repositorio.ufla.br/jspui/handle/1/13954
• topic: Povoamento florestal; Inventário florestal; Predição; Afforestation; Forest inventory; Prediction

Neste trabalho foi avaliada a modelagem por regressão não linear e por redes neurais artificiais para a estimativa da altura de árvores de eucaliptos. Os povoamentos estão localizados no município de Itiquira, MT. Os dados foram obtidos de 23 parcelas medidas aos quatro anos. O banco de dados foi dividido em dois conjuntos, um para o ajuste do modelo de regressão e treinamento das redes (70%) e o outro para validação da regressão e validação das redes treinadas (30%). O modelo de regressão não linear empregado foi o de Gompertz e as redes do tipo perceptron de múltiplas camadas (MLP). A avaliação da precisão das estimativas foi pelo coeficiente de correlação múltipla entre as alturas observadas e estimadas, raiz quadrada do erro médio em percentagem e a análises gráficas. Ambas as técnicas avaliadas são eficientes para a predição da altura de árvores. No entanto, as redes neurais apresentaram critérios estatísticos levemente superiores em relação à regressão.