1. RI UFLA
  2. Escola de Engenharia - EENG
  3. Departamento de Engenharia - DEG
  4. DEG - Artigos publicados em periódicos
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/49340
Registro completo de metadados
Campo DCValorIdioma
dc.creatorAmorim, Lucas M.-
dc.creatorLeite, Elton da S.-
dc.creatorSouza, Deoclides R. de-
dc.creatorSilva, Liniker F. da-
dc.creatorMello, Carlos R. de-
dc.creatorLima, José M. de-
dc.date.accessioned2022-02-15T22:00:20Z-
dc.date.available2022-02-15T22:00:20Z-
dc.date.issued2021-08-
dc.identifier.citationAMORIM, L. M. et al. Artificial neural networks and regression analysis for volume estimation in native species. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 25, n. 10, p. 664-669, Oct. 2021. DOI: https://doi.org/10.1590/1807-1929/agriambi.v25n10p664-669 .pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/49340-
dc.description.abstractModeling is an important tool to estimate forest production in planted areas. Although this issue has been studied worldwide, knowledge regarding volume measurement in specific locations such as Northeast Brazil is still scarce. The present study aimed to evaluated the effectiveness of artificial neural networks (ANNs) and regression analysis in estimating the timber volume of homogeneous stands of Anadantera macrocarpa, Genipa americana, and Mimosa casalpinifolia, in order to better predict the growth and production of these species. Both methods were suitable for estimating the individual volume in 7-year-old stands with different spacing. The Spurr regression model showed better statistical results and dispersion of unbiased errors for Anadantera macrocarpa and Genipa americana, whereas the Shumacher-Hall model provided more accurate volume estimates for Mimosa caesalpinifolia. The ANNs calibrated with two neurons in the middle layer exhibited the best fit for all three species. As such, artificial neural networks can be recommended to estimate the individual volumes of the species analyzed in the study area.pt_BR
dc.languageenpt_BR
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceRevista Brasileira de Engenharia Agrícola e Ambiental - Brazilian Journal of Agricultural and Environmental Engineeringpt_BR
dc.subjectNative forestpt_BR
dc.subjectProduction volumept_BR
dc.subjectPrediction modelspt_BR
dc.subjectArtificial neural networks (ANNs)pt_BR
dc.subjectFlorestas nativaspt_BR
dc.subjectVolume de produçãopt_BR
dc.subjectModelos de prediçãopt_BR
dc.subjectRedes neurais artificiais (RNAs)pt_BR
dc.titleArtificial neural networks and regression analysis for volume estimation in native speciespt_BR
dc.title.alternativeRedes neurais artificiais e análise de regressão para estimativa de volume de espécies nativaspt_BR
dc.typeArtigopt_BR
dc.description.resumoO uso de modelos para estimar a produção florestal é uma importante ferramenta em áreas plantadas. Embora esse assunto tenha sido estudado em todo o mundo, ainda falta conhecimento a respeito da medição de volume para locais específicos, como os do Nordeste do Brasil. Desta forma, objetivou-se com este estudo avaliar o potencial de predição de redes neurais artificiais e regressão para a estimativa do volume de madeira em povoamentos homogêneos de Anadantera macrocarpa, Genipa americana e Mimosa caesalpiniflolia. Os métodos de regressão e de redes neurais artificiais (RNAs) mostraram-se aplicáveis para a estimativa do volume individual dos povoamentos em diferentes espaçamentos, aos sete anos de idade. O modelo de regressão de Spurr apresentou melhores resultados estatísticos e dispersão dos erros não tendenciosos para as espécies Anadantera macrocarpa e Genipa americana. Já o modelo de Shumacher-Hall foi mais preciso para a estimativa do volume da espécie Mimosa caesalpinifolia. As RNAs, com dois neurônios na camada intermediária, proporcionaram melhores ajustes para as três espécies, portanto, são recomendadas para estimar os volumes individuais das espécies avaliadas, por mostrar maior precisão, em relação à regressão, na estimativa do volume das espécies nativas avaliadas.pt_BR
Aparece nas coleções:DEG - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Artificial neural networks and regression analysis for volume estimation in native species.pdf2,07 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons