Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | http://locus.ufv.br//handle/123456789/26051 |
Resumo: | A seleção de genótipos de Eucalyptus adequados para produção de carvão vegetal depende da avaliação das características da madeira e das correlações existentes entre elas. Entretanto, o grande número de variáveis torna a interpretação complexa, sendo necessário utilizar técnicas estatísticas capazes de analisar o conjunto das variáveis que influenciam simultaneamente cada elemento amostral. Associado a isso, o alto custo e tempo requeridos para determinar as propriedades da madeira e do carvão vegetal, torna inviável a caracterização de um grande número de genótipos em um curto espaço de tempo. Diante do exposto, o objetivo deste trabalho foi desenvolver uma metodologia de pré-seleção e indicar genótipos de eucalipto para a produção de carvão vegetal, utilizando estatística multivariada de agrupamento e redes neurais. Utilizaram-se 64 genótipos de Eucalyptus provenientes de um banco clonal, para os quais foram determinados a densidade básica, o volume e a massa seca de madeira por hectare, além da relação cerne/alburno. Estes parâmetros foram utilizados no procedimento de pré-seleção, que combinou a classificação pela mediana, rank individual de variáveis e índice de seleção de Mulamba e Mock. Após a pré-seleção, foi feita a determinação das propriedades da madeira e carvão vegetal dos genótipos pré-selecionados, as quais foram utilizadas como variáveis de entrada para análises de agrupamentos pelos métodos de Tocher, ligação média entre grupos (UPGMA) e rede neural de Kohonen. Observou-se que a metodologia de pré- classificação foi eficiente, permitindo a escolha de 16 genótipos com valores desejáveis para as quatro características utilizadas na pré-seleção. De modo geral, as propriedades da madeira e carvão vegetal dos genótipos pré- selecionados foram consideradas satisfatórias para o uso siderúrgico. Os três métodos de agrupamento foram eficazes para resolução do problema de classificação dos genótipos. A aplicação do método de otimização de Tocher foi mais prática, pois observou-se o número ótimo de grupos sem a necessidade da intervenção do pesquisador, além da conformação dos grupos ter sido semelhante a verificada por meio do método UPGMA. Por meio da rede de Kohonen observaram-se grupos com conformações diferentes e mais heterogêneos, porém concluiu-se de maneira semelhante as demais técnicas quanto a indicação dos genótipos superiores. Uma desvantagem desse método é a maior necessidade de conhecimento em técnicas de inteligência computacional, porém há a vantagem de possibilitar a verificação dos pesos individuais de cada variável na formação dos grupos. Por meio do estudo dos valores médios das características da madeira e do carvão de cada grupo, conclui-se que os genótipos de números 1954, 1453, 1923 e 4296 são os mais indicados para produção de carvão vegetal de acordo com as técnicas de análise utilizadas. |
id |
UFV_2e8286ad18a8fc81bb47a1b6579e18ac |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/26051 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Carneiro, Angélica de Cássia OliveiraLeite, Hélio GarciaTeixeira, Vinícius LimaCarvalho, Ana Márcia Macedo Ladeira2019-07-03T13:24:33Z2019-07-03T13:24:33Z2018-08-20TEIXEIRA, Vinícius Lima. Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais. 2018. 82 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2018.http://locus.ufv.br//handle/123456789/26051A seleção de genótipos de Eucalyptus adequados para produção de carvão vegetal depende da avaliação das características da madeira e das correlações existentes entre elas. Entretanto, o grande número de variáveis torna a interpretação complexa, sendo necessário utilizar técnicas estatísticas capazes de analisar o conjunto das variáveis que influenciam simultaneamente cada elemento amostral. Associado a isso, o alto custo e tempo requeridos para determinar as propriedades da madeira e do carvão vegetal, torna inviável a caracterização de um grande número de genótipos em um curto espaço de tempo. Diante do exposto, o objetivo deste trabalho foi desenvolver uma metodologia de pré-seleção e indicar genótipos de eucalipto para a produção de carvão vegetal, utilizando estatística multivariada de agrupamento e redes neurais. Utilizaram-se 64 genótipos de Eucalyptus provenientes de um banco clonal, para os quais foram determinados a densidade básica, o volume e a massa seca de madeira por hectare, além da relação cerne/alburno. Estes parâmetros foram utilizados no procedimento de pré-seleção, que combinou a classificação pela mediana, rank individual de variáveis e índice de seleção de Mulamba e Mock. Após a pré-seleção, foi feita a determinação das propriedades da madeira e carvão vegetal dos genótipos pré-selecionados, as quais foram utilizadas como variáveis de entrada para análises de agrupamentos pelos métodos de Tocher, ligação média entre grupos (UPGMA) e rede neural de Kohonen. Observou-se que a metodologia de pré- classificação foi eficiente, permitindo a escolha de 16 genótipos com valores desejáveis para as quatro características utilizadas na pré-seleção. De modo geral, as propriedades da madeira e carvão vegetal dos genótipos pré- selecionados foram consideradas satisfatórias para o uso siderúrgico. Os três métodos de agrupamento foram eficazes para resolução do problema de classificação dos genótipos. A aplicação do método de otimização de Tocher foi mais prática, pois observou-se o número ótimo de grupos sem a necessidade da intervenção do pesquisador, além da conformação dos grupos ter sido semelhante a verificada por meio do método UPGMA. Por meio da rede de Kohonen observaram-se grupos com conformações diferentes e mais heterogêneos, porém concluiu-se de maneira semelhante as demais técnicas quanto a indicação dos genótipos superiores. Uma desvantagem desse método é a maior necessidade de conhecimento em técnicas de inteligência computacional, porém há a vantagem de possibilitar a verificação dos pesos individuais de cada variável na formação dos grupos. Por meio do estudo dos valores médios das características da madeira e do carvão de cada grupo, conclui-se que os genótipos de números 1954, 1453, 1923 e 4296 são os mais indicados para produção de carvão vegetal de acordo com as técnicas de análise utilizadas.The selection of suitable Eucalyptus genotypes for production of charcoal depends on evaluation of wood characteristics and the correlations between them. However, the large number of variables makes the interpretation more complex, being necessary use statistical techniques capable of analyzing the set of variables which influence simultaneously each sample element. Besides that, the high cost and time required to determine the properties of wood and charcoal, makes it unfeasible to characterize a large number of genotypes in a short time, with a limited budget. In view of the above, the objective of this work was develop a pre-selection methodology and indicate eucalyptus genotypes for charcoal production, using multivariate clustering statistics and neural networks. We used 64 genotypes of Eucalyptus from a clonal bank, for which the basic density, volume and wood dry mass per hectare were determined, as well as the heartwood/sapwood ratio. These parameters were used in the pre- selection procedure, which combined the classification by median, individual rank of variables and selection index of Mulamba and Mock. After pre-selection, the wood and charcoal properties of pre-selected genotypes were determined, which were used as input variables for cluster analysis by Tocher methods, unweighted pair group method with arithmetic mean (UPGMA) and Kohonen neural network. It was observed that pre-classification methodology was efficient, allowing the selection of 16 genotypes with desirable values for the four characteristics used in the pre-selection. In general, the wood and charcoal properties of pre-selected genotypes were considered satisfactory for steel use. The three methods of clustering were effective to solve the problem of classification of genotypes. The application of Tocher's optimization method was more practical, since the optimal number of groups was observed without intervention of researcher, and the conformation of groups was similar to verified using the UPGMA method. By means of Kohonen network, different and more heterogeneous groups were observed, but it was possible to conclude in a similar way the other techniques regarding the indication of superior genotypes. A disadvantage of this method is the greater need for knowledge in computational intelligence techniques, but there is the advantage of allowing the verification of individual weights of each variable in formation of groups. By means of study of the average values the characteristics of wood and charcoal for each group, it is concluded that genotypes of numbers 1954, 1453, 1923 and 4296 are the most indicated for charcoal production according to analysis techniques used.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de ViçosaEucalipto - SeleçãoAnálise por agrupamentoAnálise multivariadaRedes NeuraisCarvão vegetalTecnologia e Utilização de Produtos FlorestaisSeleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neuraisSelection of eucalyptus genotypes for charcoal production using multivariate analysis and neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de Engenharia FlorestalMestre em Ciência FlorestalViçosa - MG2018-08-20Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf1560393https://locus.ufv.br//bitstream/123456789/26051/1/texto%20completo.pdf9a39001bba29051c8f49bc646a3adcf6MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/26051/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/260512019-07-03 13:29:56.107oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452019-07-03T16:29:56LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
dc.title.en.fl_str_mv |
Selection of eucalyptus genotypes for charcoal production using multivariate analysis and neural networks |
title |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
spellingShingle |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais Teixeira, Vinícius Lima Eucalipto - Seleção Análise por agrupamento Análise multivariada Redes Neurais Carvão vegetal Tecnologia e Utilização de Produtos Florestais |
title_short |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
title_full |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
title_fullStr |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
title_full_unstemmed |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
title_sort |
Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais |
author |
Teixeira, Vinícius Lima |
author_facet |
Teixeira, Vinícius Lima |
author_role |
author |
dc.contributor.none.fl_str_mv |
Carneiro, Angélica de Cássia Oliveira Leite, Hélio Garcia |
dc.contributor.author.fl_str_mv |
Teixeira, Vinícius Lima |
dc.contributor.advisor1.fl_str_mv |
Carvalho, Ana Márcia Macedo Ladeira |
contributor_str_mv |
Carvalho, Ana Márcia Macedo Ladeira |
dc.subject.pt-BR.fl_str_mv |
Eucalipto - Seleção Análise por agrupamento Análise multivariada Redes Neurais Carvão vegetal |
topic |
Eucalipto - Seleção Análise por agrupamento Análise multivariada Redes Neurais Carvão vegetal Tecnologia e Utilização de Produtos Florestais |
dc.subject.cnpq.fl_str_mv |
Tecnologia e Utilização de Produtos Florestais |
description |
A seleção de genótipos de Eucalyptus adequados para produção de carvão vegetal depende da avaliação das características da madeira e das correlações existentes entre elas. Entretanto, o grande número de variáveis torna a interpretação complexa, sendo necessário utilizar técnicas estatísticas capazes de analisar o conjunto das variáveis que influenciam simultaneamente cada elemento amostral. Associado a isso, o alto custo e tempo requeridos para determinar as propriedades da madeira e do carvão vegetal, torna inviável a caracterização de um grande número de genótipos em um curto espaço de tempo. Diante do exposto, o objetivo deste trabalho foi desenvolver uma metodologia de pré-seleção e indicar genótipos de eucalipto para a produção de carvão vegetal, utilizando estatística multivariada de agrupamento e redes neurais. Utilizaram-se 64 genótipos de Eucalyptus provenientes de um banco clonal, para os quais foram determinados a densidade básica, o volume e a massa seca de madeira por hectare, além da relação cerne/alburno. Estes parâmetros foram utilizados no procedimento de pré-seleção, que combinou a classificação pela mediana, rank individual de variáveis e índice de seleção de Mulamba e Mock. Após a pré-seleção, foi feita a determinação das propriedades da madeira e carvão vegetal dos genótipos pré-selecionados, as quais foram utilizadas como variáveis de entrada para análises de agrupamentos pelos métodos de Tocher, ligação média entre grupos (UPGMA) e rede neural de Kohonen. Observou-se que a metodologia de pré- classificação foi eficiente, permitindo a escolha de 16 genótipos com valores desejáveis para as quatro características utilizadas na pré-seleção. De modo geral, as propriedades da madeira e carvão vegetal dos genótipos pré- selecionados foram consideradas satisfatórias para o uso siderúrgico. Os três métodos de agrupamento foram eficazes para resolução do problema de classificação dos genótipos. A aplicação do método de otimização de Tocher foi mais prática, pois observou-se o número ótimo de grupos sem a necessidade da intervenção do pesquisador, além da conformação dos grupos ter sido semelhante a verificada por meio do método UPGMA. Por meio da rede de Kohonen observaram-se grupos com conformações diferentes e mais heterogêneos, porém concluiu-se de maneira semelhante as demais técnicas quanto a indicação dos genótipos superiores. Uma desvantagem desse método é a maior necessidade de conhecimento em técnicas de inteligência computacional, porém há a vantagem de possibilitar a verificação dos pesos individuais de cada variável na formação dos grupos. Por meio do estudo dos valores médios das características da madeira e do carvão de cada grupo, conclui-se que os genótipos de números 1954, 1453, 1923 e 4296 são os mais indicados para produção de carvão vegetal de acordo com as técnicas de análise utilizadas. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-08-20 |
dc.date.accessioned.fl_str_mv |
2019-07-03T13:24:33Z |
dc.date.available.fl_str_mv |
2019-07-03T13:24:33Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
TEIXEIRA, Vinícius Lima. Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais. 2018. 82 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2018. |
dc.identifier.uri.fl_str_mv |
http://locus.ufv.br//handle/123456789/26051 |
identifier_str_mv |
TEIXEIRA, Vinícius Lima. Seleção de genótipos de eucalipto para produção de carvão vegetal utilizando análise multivariada e redes neurais. 2018. 82 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2018. |
url |
http://locus.ufv.br//handle/123456789/26051 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/26051/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/26051/2/license.txt |
bitstream.checksum.fl_str_mv |
9a39001bba29051c8f49bc646a3adcf6 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1801212853778120704 |