Estimativa da altura total de árvores utilizando diferentes técnicas de inteligências artificial

• Autor(a) principal: Thais Sales Gonçalves
• Data de Publicação: 2018
• Outros Autores: Gabriela Letícia Ramos Carvalho, Paulo Ricardo Santos Miranda, Emanuelly Canabrava Magalhães, Sthefany Mendes Zuba, Carlos Alberto Araújo Júnior
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/43069; https://orcid.org/0000-0003-0909-8633
• topic: Inteligência artificial; Levantamentos florestais; Estatística - Análise

O presente trabalho teve como objetivo avaliar o desempenho de quatro técnicas de inteligência artificial para estimativa da altura total de árvores adotando como variáveis independentes Idade, Área útil por planta e diâmetro a 1,30 m do solo (Dap). As técnicas testadas foram Random Forest, Neuro Fuzzy, Support Vector Machine e Redes Neurais Artificiais, sendo o processamento dos dados possibilitado pelo uso dos softwares Statistica, MatLab e NeuroForest. Foi realizado dois tipos de treinamento; para o primeiro os dados referentes ao último ano do inventário florestal não foram considerados, e para o segundo foi utilizado os dados de todos os anos sendo estes aleatorizados. Após o processamento, foram calculadas as estatísticas Bias, RQME, correlação e erro percentual médio; gerados gráficos de dispersão, considerando os valores observados; e histograma de resíduos. Constatou-se que o processamento com os dados aleatorizados apresentou os melhores índices estatísticos e a técnica Support Vector Machine apresentou os melhores resultados quando comparada às demais.