Inversão de redes neurais artificiais na modelagem da produtividade de eucalipto

Detalhes bibliográficos
Autor(a) principal: Oliveira Neto, Ricardo Rodrigues de
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: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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