Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | https://locus.ufv.br//handle/123456789/29742 https://doi.org/10.47328/ufvbbt.2022.027 |
Resumo: | Para um bom gerenciamento dos plantios florestais, é imprenscindívelimprescindível analisar todos os fatores que interefereminterferem no seu crescimento e produção, já que toda tomada de decisão é feita a partir da estimativa da produção futura utilizando-se informações históricas e correntes. Vários fatores se correlacionam e influenciam o crescimento da floresta, sendo divididos em climáticos, edáficos, fisiográficos e bióticos e diversas técnicas vem sendo utilizadas para modelar essa correlação, entre elas Redes Neurais Artificiais (RNA), na qual os fatores ecofisiologicos e silviculturais se relacionam com a produtividade esperada. A inversão de uma RNA é feita quando queremos as diversas possibilidades de valores das variáveis de entrada com um output fixo. A utilização de Simulated Annealing (SA) auxilia a inversão da rede na obtenção do grupo de respostas oriundas da inversão (one-to-many) visto que são produzidas mais de uma resposta para uma produtividade desejada, sendo também uma ferramenta eficiente na identificação dos limitantes da produtividade de plantios de eucalipto no Brasil. O presente trabalho realizou a inversão de uma RNA utilizando SA com dados edafoclimáticos e silviculturais de plantios de eucalipto no estado de Minas Gerais, com idade variando de dois a seis anos37, correlacionando com a sua produtividade aos 6 anos, a idade de corte. O Simulated Annealing consegue realizar a inversão da RNA com eficiência, encontrando mais de uma solução local para o problema. Comparando os resultados obtidos com estudos correlatos, verifica-se a importância de variáveis categóricas como material genético e espaçamento como também a relação dessas variáveis com os níveis de adubação ótima para uma maior produtividade levando em consideração as condições climáticas e edáficas da região. Palavras-chave: Redes Neurais Artificiais. Simulated Annealing. Inversão de Rede. Produtividade Florestal. |
id |
UFV_aa5903917928f7950d9cf553d3c293f6 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/29742 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Gleriani, José MarinaldoNeves, Júlio Cesar LimaOliveira Neto, Ricardo Rodrigues dehttp://lattes.cnpq.br/6405325709416451Leite, Helio Garcia2022-08-19T18:29:27Z2022-08-19T18:29:27Z2021-11-11OLIVEIRA NETO, Ricardo Rodrigues de. Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto. 2021. 142 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2021.https://locus.ufv.br//handle/123456789/29742https://doi.org/10.47328/ufvbbt.2022.027Para um bom gerenciamento dos plantios florestais, é imprenscindívelimprescindível analisar todos os fatores que interefereminterferem no seu crescimento e produção, já que toda tomada de decisão é feita a partir da estimativa da produção futura utilizando-se informações históricas e correntes. Vários fatores se correlacionam e influenciam o crescimento da floresta, sendo divididos em climáticos, edáficos, fisiográficos e bióticos e diversas técnicas vem sendo utilizadas para modelar essa correlação, entre elas Redes Neurais Artificiais (RNA), na qual os fatores ecofisiologicos e silviculturais se relacionam com a produtividade esperada. A inversão de uma RNA é feita quando queremos as diversas possibilidades de valores das variáveis de entrada com um output fixo. A utilização de Simulated Annealing (SA) auxilia a inversão da rede na obtenção do grupo de respostas oriundas da inversão (one-to-many) visto que são produzidas mais de uma resposta para uma produtividade desejada, sendo também uma ferramenta eficiente na identificação dos limitantes da produtividade de plantios de eucalipto no Brasil. O presente trabalho realizou a inversão de uma RNA utilizando SA com dados edafoclimáticos e silviculturais de plantios de eucalipto no estado de Minas Gerais, com idade variando de dois a seis anos37, correlacionando com a sua produtividade aos 6 anos, a idade de corte. O Simulated Annealing consegue realizar a inversão da RNA com eficiência, encontrando mais de uma solução local para o problema. Comparando os resultados obtidos com estudos correlatos, verifica-se a importância de variáveis categóricas como material genético e espaçamento como também a relação dessas variáveis com os níveis de adubação ótima para uma maior produtividade levando em consideração as condições climáticas e edáficas da região. Palavras-chave: Redes Neurais Artificiais. Simulated Annealing. Inversão de Rede. Produtividade Florestal.For an optimized forest plantation management, it is essential to analyze all the factors that interfere in their growth and production, since all decision-making is made from the estimate of future production using historical and current information. Several factors correlate and influence the growth of the forest, which are divided into climatic, edaphic, physiographic and biotic and several techniques have been used to model this correlation, including Artificial Neural Networks (ANN), in which ecophysiological and silvicultural factors are relate to expected productivity. The inversion of an ANN is done when we want the different possible values of the input variables with a fixed output. The use of Simulated Annealing (SA) helps to obtain a group of responses from the inversion (one-to-many) since more than one response is obtained for a desired productivity and is an efficient tool to identificate the constraints of the productivity of eucalyptus plantations in Brazil. The present work carried out the inversion of an ANN using SA with edaphoclimatic and silvicultural data of eucalyptus plantations in MG from 3 to 7 years of age, correlating the harvest age with its productivity at 6 years of age. Simulated Annealing is able to perform the ANN inversion efficiently, finding more than one local solution to the problem. Comparing the results obtained with related studies, the importance of categorical variables such as genetic material and spacing is verified, as well as the relationship of these variables with the levels of optimal fertilization for greater productivity, taking into account the climatic and edaphic conditions of the region. Keywords: Artificial Neural Networks. Simulated Annealing. Network Inversion. Forest Productivity.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de ViçosaCiência FlorestalFlorestas - ManejoRedes neurais (Computação)ProdutividadeRecozimento simulado (Matemática)Manejo FlorestalInversão de redes neurais artificiais na modelagem da produtividade de eucaliptoInversion of artificial neural networks in eucalyptus productivity modelinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal de ViçosaDepartamento de Engenharia FlorestalDoutor em Ciência FlorestalViçosa - MG2021-11-11Doutoradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf6370621https://locus.ufv.br//bitstream/123456789/29742/1/texto%20completo.pdf5f297d8a01051c35863a1064a309df9dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/29742/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/297422022-10-13 09:10:48.381oai:locus.ufv.br:123456789/29742Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452022-10-13T12:10:48LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
dc.title.en.fl_str_mv |
Inversion of artificial neural networks in eucalyptus productivity modeling |
title |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
spellingShingle |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto Oliveira Neto, Ricardo Rodrigues de Florestas - Manejo Redes neurais (Computação) Produtividade Recozimento simulado (Matemática) Manejo Florestal |
title_short |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
title_full |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
title_fullStr |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
title_full_unstemmed |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
title_sort |
Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto |
author |
Oliveira Neto, Ricardo Rodrigues de |
author_facet |
Oliveira Neto, Ricardo Rodrigues de |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/6405325709416451 |
dc.contributor.none.fl_str_mv |
Gleriani, José Marinaldo Neves, Júlio Cesar Lima |
dc.contributor.author.fl_str_mv |
Oliveira Neto, Ricardo Rodrigues de |
dc.contributor.advisor1.fl_str_mv |
Leite, Helio Garcia |
contributor_str_mv |
Leite, Helio Garcia |
dc.subject.pt-BR.fl_str_mv |
Florestas - Manejo Redes neurais (Computação) Produtividade Recozimento simulado (Matemática) |
topic |
Florestas - Manejo Redes neurais (Computação) Produtividade Recozimento simulado (Matemática) Manejo Florestal |
dc.subject.cnpq.fl_str_mv |
Manejo Florestal |
description |
Para um bom gerenciamento dos plantios florestais, é imprenscindívelimprescindível analisar todos os fatores que interefereminterferem no seu crescimento e produção, já que toda tomada de decisão é feita a partir da estimativa da produção futura utilizando-se informações históricas e correntes. Vários fatores se correlacionam e influenciam o crescimento da floresta, sendo divididos em climáticos, edáficos, fisiográficos e bióticos e diversas técnicas vem sendo utilizadas para modelar essa correlação, entre elas Redes Neurais Artificiais (RNA), na qual os fatores ecofisiologicos e silviculturais se relacionam com a produtividade esperada. A inversão de uma RNA é feita quando queremos as diversas possibilidades de valores das variáveis de entrada com um output fixo. A utilização de Simulated Annealing (SA) auxilia a inversão da rede na obtenção do grupo de respostas oriundas da inversão (one-to-many) visto que são produzidas mais de uma resposta para uma produtividade desejada, sendo também uma ferramenta eficiente na identificação dos limitantes da produtividade de plantios de eucalipto no Brasil. O presente trabalho realizou a inversão de uma RNA utilizando SA com dados edafoclimáticos e silviculturais de plantios de eucalipto no estado de Minas Gerais, com idade variando de dois a seis anos37, correlacionando com a sua produtividade aos 6 anos, a idade de corte. O Simulated Annealing consegue realizar a inversão da RNA com eficiência, encontrando mais de uma solução local para o problema. Comparando os resultados obtidos com estudos correlatos, verifica-se a importância de variáveis categóricas como material genético e espaçamento como também a relação dessas variáveis com os níveis de adubação ótima para uma maior produtividade levando em consideração as condições climáticas e edáficas da região. Palavras-chave: Redes Neurais Artificiais. Simulated Annealing. Inversão de Rede. Produtividade Florestal. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-11-11 |
dc.date.accessioned.fl_str_mv |
2022-08-19T18:29:27Z |
dc.date.available.fl_str_mv |
2022-08-19T18:29:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
OLIVEIRA NETO, Ricardo Rodrigues de. Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto. 2021. 142 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2021. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/29742 |
dc.identifier.doi.pt-BR.fl_str_mv |
https://doi.org/10.47328/ufvbbt.2022.027 |
identifier_str_mv |
OLIVEIRA NETO, Ricardo Rodrigues de. Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto. 2021. 142 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2021. |
url |
https://locus.ufv.br//handle/123456789/29742 https://doi.org/10.47328/ufvbbt.2022.027 |
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 |
dc.publisher.program.fl_str_mv |
Ciência Florestal |
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/123456789/29742/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/29742/2/license.txt |
bitstream.checksum.fl_str_mv |
5f297d8a01051c35863a1064a309df9d 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_ |
1801212871623835648 |