Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/14200
metadata.revistascielo.dc.title: Prognose em nível de povoamento de clones de eucalipto empregando redes neurais artificiais
metadata.revistascielo.dc.title.alternative: Stand-level prognosis of eucalyptus clones using artificial neural networks
metadata.revistascielo.dc.creator: Binoti, Mayra Luiza Marques da Silva
Leite, Helio Garcia
Binoti, Daniel Henrique Breda
Gleriani, José Marinaldo
metadata.revistascielo.dc.subject: Modelagem do crescimento
Modelagem de produção florestal
Aproximação de funções
Povoamentos não desbastados
Modeling forest growth
Modeling forest yield
Approximation of functions
Unthinned stands
metadata.revistascielo.dc.publisher: Universidade Federal de Lavras (UFLA)
metadata.revistascielo.dc.date: 7-Apr-2016
metadata.revistascielo.dc.identifier.citation: BINOTI, M. L. M. da S. et al. Prognose em nível de povoamento de clones de eucalipto empregando redes neurais artificiais. CERNE, Lavras, v. 21, n. 1, p. 97-105, 2015. DOI: 10.1590/01047760201521011153.
metadata.revistascielo.dc.description.resumo: Objetivou-se, neste estudo, treinar, aplicar e avaliar a eficiência de redes neurais artificiais (RNA) para realizar a prognose da produção de povoamentos equiâneos de clones de eucalipto. Os dados utilizados foram provenientes de povoamentos localizados no sul da Bahia, totalizando cerca de 2.000 hectares de floresta. Foram utilizadas variáveis numéricas, como: idade, área basal, volume e variáveis categóricas, como classe de solo, textura, tipos de espaçamento, relevo, projeto e clone. Os dados foram divididos aleatoriamente em dois grupos: treinamento (80%) e generalização (20%). Foram treinadas redes de três tipos: perceptron, perceptron de múltiplas camadas e redes de função de base radial. As RNA que apresentaram os melhores desempenhos no treinamento e generalização foram selecionadas para realizar a prognose com dados, a partir do primeiro inventário florestal. Conclui-se que as RNA apresentaram resultados satisfatórios, comprovando o potencial e aplicabilidade da técnica na solução dos problemas de mensuração e manejo florestal.
metadata.revistascielo.dc.description.abstract: The objective of this study was to train, implement and evaluate the efficiency of artificial neural networks (ANN) to perform production prognosis of even-aged stands of eucalyptus clones. The data used were from plantations located in southern Bahia, totaling about 2,000 acres of forest. Numeric variables, such as age, basal area, volume and categorical variables, such as soil class texture, spacing, land relief, project and clone were used. The data were randomly divided into two groups: training (80%) and generalization (20%). Three types of networks were trained: perceptron, multilayer perceptron networks and radial basis function. The RNA that showed the best performance in training and generalization were selected to perform the prognosis with data from the first forest inventory. We conclude that the RNA had satisfactory results, showing the potential and applicability of the technique in solving measurement and forest management problems.
metadata.revistascielo.dc.language: por
Appears in Collections:CERNE



This item is licensed under a Creative Commons License Creative Commons