Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/29069
Título: Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais
Título(s) alternativo(s): Mixed model and artificial neural network for dendrometric estimates of individual trees
Autor : Isaac Júnior, Marcos Antônio
Lattes: http://lattes.cnpq.br/6525239951316540
Primeiro orientador: Calegario, Natalino
Primeiro membro da banca: Acerbi Júnior, Fausto Weimar
Segundo membro da banca: Trugilho, Paulo Fernando
Terceiro membro da banca: Barbosa, Bruno Henrique Groenner
Quarto membro da banca: Mendonça, Adriano Ribeiro de
Palavras-chave: Inteligência computacional
Modelos não lineares mistos
Sólido de revolução
Redes neurais artificiais
Computational intelligence
Nonlinear mixed models
Artificial neural networks
Data da publicação: 17-Abr-2018
Agência(s) de fomento: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Referência: ISAAC JÚNIOR, M. A. Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais. 2018. 81 p. Tese (Doutorado em Engenharia Florestal)-Universidade Federal de Lavras, Lavras, 2018.
Resumo: A carência de hardwares e softwares com alta capacidade de processamento era uma limitação para os ajustes de modelos de regressão mais complexos e inteligência computacional. Atualmente, é possível realizar esses ajustes e, com o passar dos anos, vem crescendo o uso de modelos não lineares mistos e redes neurais artificiais nas diversas áreas do conhecimento. Com o emprego desses novos métodos, é possível uma melhoria da exatidão das estimativas das variáveis florestais, auxiliando nas tomadas de decisão para o planejamento florestal. No primeiro artigo deste estudo foi feita uma revisão de literatura para compreender melhor estes métodos e a sua importância para a obtenção de melhores resultados. O segundo artigo utilizou a técnica de modelos não lineares mistos em multinível, com o objetivo de explicar a variação da altura de árvores individuais, em função de variáveis das árvores e do povoamento, e avaliar a qualidade dos ajustes para obtenção de sortimentos florestais. Por último, no artigo 3, fez-se uso das Redes Neurais Artificias e procurou -se demonstrar que as mesmas podem ser tratadas como modelos de regressão, sendo possível recuperar seus parâmetros, obter um modelo e estimar o volume do fuste por meio da integração da estimativa da altura em função do raio. Provou-se que é possível usar os dois métodos para melhorar as estimativas das variáveis florestais.
Abstract: A carência de hardwares e softwares com alta capacidade de processamento era uma limitação para os ajustes de modelos de regressão mais complexos e inteligência computacional. Atualmente, é possível realizar esses ajustes e, com o passar dos anos, vem crescendo o uso de modelos não lineares mistos e redes neurais artificiais nas diversas áreas do conhecimento. Com o emprego desses novos métodos, é possível uma melhoria da exatidão das estimativas das variáveis florestais, auxiliando nas tomadas de decisão para o planejamento florestal. No primeiro artigo deste estudo foi feita uma revisão de literatura para compreender melhor estes métodos e a sua importância para a obtenção de melhores resultados. O segundo artigo utilizou a técnica de modelos não lineares mistos em multinível, com o objetivo de explicar a variação da altura de árvores individuais, em função de variáveis das árvores e do povoamento, e avaliar a qualidade dos ajustes para obtenção de sortimentos florestais. Por último, no artigo 3, fez-se uso das Redes Neurais Artificias e procurou -se demonstrar que as mesmas podem ser tratadas como modelos de regressão, sendo possível recuperar seus parâmetros, obter um modelo e estimar o volume do fuste por meio da integração da estimativa da altura em função do raio. Provou-se que é possível usar os dois métodos para melhorar as estimativas das variáveis florestais.
metadata.teses.dc.description: Arquivo retido, a pedido do autor, até abril de 2019.
URI: http://repositorio.ufla.br/jspui/handle/1/29069
Publicador: Universidade Federal de Lavras
Idioma: por
Aparece nas coleções:DCF - Engenharia Florestal - Doutorado (Teses)

Arquivos associados a este item:
Não existem arquivos associados a este item.


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.