Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/42144
metadata.teses.dc.title: Funções de afilamento ajustadas por regressão e por redes neurais artificiais para espécies madeireiras da Amazônia
metadata.teses.dc.title.alternative: Taper function adjusted by regression and artificial neural networks for Amazonian timber species
metadata.teses.dc.creator: Nascimento, Marcos Yuri Mesquita do
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/7209061389093876
metadata.teses.dc.contributor.advisor1: Calegario, Natalino
metadata.teses.dc.contributor.referee1: Gomide, Lucas
metadata.teses.dc.contributor.referee2: Silva, José Antônio Aleixo da
metadata.teses.dc.subject: Regressão não linear
Inteligência artificial
Espécies nativas
Funções de afilamento
Nonlinear regression
Artificial intelligence
Native species
metadata.teses.dc.date.issued: 30-Jul-2020
metadata.teses.dc.description.sponsorship: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
metadata.teses.dc.identifier.citation: NASCIMENTO, M. Y. M. do. Funções de afilamento ajustadas por regressão e por redes neurais artificiais para espécies madeireiras da Amazônia. 2020. 48 p. Dissertação (Mestrado em Engenharia Florestal) – Universidade Federal de Lavras, Lavras, 2020.
metadata.teses.dc.description.resumo: Neste estudo objetivou-se avaliar a eficiência de funções de afilamento ajustadas por regressão clássica, generalizada, de efeito misto e por rede neural em toras de 7 espécies de interesse comercial da Amazônia. Os dados foram coletados na área do projeto de manejo sustentável da empresa Mil Madeiras Preciosas, na cidade de Itacoatiara, no estado do Amazonas. Foram mensuradas 214 toras, sendo eles divididos em 10 folds iguais para validação cruzada das equações. Os dados foram coletados por cubagem rigorosa, mensurando os diâmetros de cada tora nas alturas (h) relativas à base da tora de 0,3m, 1,3m, 2,3m, e assim por diante, até a altura comercial (H). Oito modelos de afilamento tradicionais foram ajustados para as estimativas dos diâmetros à várias alturas, utilizando técnicas de regressão linear e não linear, além de 20 redes neurais artificiais. O modelo de melhor performance pelo critério de informação de Akaike, foi selecionado para o ajuste utilizando a técnica de efeito misto, onde o fator espécie foi introduzido como componente aleatório. Os volumes de cada tora foram calculados utilizando a fórmula de Smalian. Com o intuito de avaliar a precisão das estimativas do volume, foram treinadas duas redes neurais e o modelo de Schumacher-Hall foi ajustado. O volume também foi estimado pela integração da função de afilamento de melhor desempenho, utilizando suas estruturas fixa e mista. Por último, o volume foi estimado pelo modelo de Schumacher-Hall, em suas estruturas fixa e mista, incluindo o DAP e a Altura como variáveis fixas e a espécie como aleatória. As avaliações das acurácias das estimativas foram feitas com o uso do coeficiente de correlação, R²(%) e com a raiz quadrada do erro médio, RMSE(%). Os resultados confirmam que as RNAs MLB, treinadas como função de afilamento, tiveram um melhor desempenho na estimativa do diâmetro, sendo que a arquitetura com 10 inputs, incluindo as espécies, e com 10 neurônios na camada intermediária (RNA 20) foi a de melhor performance, com R²(%) de 96,07. Para as funções de afilamento ajustadas por regressão, o modelo proposto por Kozak (2004) foi o que obteve melhor desempenho, com valores R²(%) de 95,65 e de 94,41 para os ajustes misto e fixo, respectivamente. Porém na validação o desempenho do modelo de Kozak foi melhor que o da RNA 20. Na avaliação das estimativas do volume, os resultados confirmaram a superioridade do modelo de Schumacher-Hall ajustado pela técnica nlme, com R²(%) de 96,05, seguido da rede neural com R²(%) de 95,37, ambos incluindo a espécie como variável independente. Porém, o modelo de Kozak (2004) integrado utilizando os parâmetros do ajuste misto obteve o melhor desempenho para dados desconhecidos, com R²% de 95,31. Vale ressaltar que uma função de afilamento integrada tem a flexibilidade de estimativas de volumes parciais em qualquer posição do fuste.
metadata.teses.dc.description.abstract: This study aimed to evaluate the taper functions efficiency adjusted by classical, generalized, mixed-effect regression and by neural network in stems of 7 species of commercial interest in the Amazon. The data were collected in the area of the sustainable management project of the company Mil Madeiras Preciosas, at Itacoatiara city, in the Amazonas state. 214 stems were measured, divided into 10 equal folds for cross validation of the equations. Data were collected by rigorous cubing, measuring the diameters of each stem at heights (h) relative to the stem base of 0.3m, 1.3m, 2.3m, and so on, up to commercial height (H). Eight traditional taper models were adjusted to estimate diameters at various heights, using linear and non-linear regression techniques, and 20 artificial neural networks. The best performance model using the Akaike information criterion was selected for the adjustment using the mixed effect technique, where the species factor was introduced as a random component. The best performance model by the Akaike information criterion (AIC) was selected for the adjustment using the mixed effect technique, where the species factor was introduced as a random component. The volumes of each stem were calculated using the Smalian formula. In order to assess the accuracy of volume estimates, two neural networks were trained and the Schumacher-Hall model was adjusted. The volume was also estimated by integrating the best performing taper function, using its fixed and mixed structures. Finally, the volume was estimated by the Schumacher-Hall model, in its fixed and mixed structures, including DBH and Height as fixed variables and the species as random. The evaluations of the accuracy of the estimates were made using the correlation coefficient, R² (%) and with the root mean square error, RMSE (%). The results confirm that MLB RNAs, trained as a taper function, had a better performance in estimating the diameter, and the architecture with 10 inputs, including species, and with 10 neurons in the intermediate layer (RNA 20) was the best performance, with R² (%) of 96.07. For the taper functions adjusted by regression, the model proposed by Kozak (2004) was the best performance, with R² (%) values of 95.65 and 94.41 for the mixed and fixed adjustments, respectively. However, in the validation the performance of the Kozak model was better than that of RNA 20. In the evaluation of the volume estimates, the results confirmed the superiority of the Schumacher-Hall model adjusted by the nlme technique, with R² (%) of 96.05, followed by the neural network with R² (%) of 95.37, both including the species as an independent variable. However, the integrated Kozak (2004) model using the parameters of the mixed adjustment obtained the best performance for unknown data, with R²% of 95.31. It is worth mentioning that an integrated tapering function has the flexibility to estimate partial volumes in any position of the stem.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/42144
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DCF - Engenharia Florestal - Mestrado (Dissertações)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.