O objetivo do presente trabalho foi avaliar a eficiência da estimação da altura de mudas da Tibouchina granulosa
em função do diâmetro do coleto, sob diferentes composições de substrato, empregando Redes Neurais
Artificiais (RNA). Foram selecionadas 72 mudas produzidas via tubetes para a repicagem em baldes de 25 litros.
Adotou-se delineamento experimental inteiramente casualizado, com três repetições, sendo os tratamentos
constituÃdos por quatro composições de substrato. Cada unidade experimental foi composta por seis mudas. Aos
13 meses de idade foram mensurados o Diâmetro à Altura do Coleto (DAC) e a altura total (H) de todas as
mudas. Foram treinadas 200 RNA para estimar a H, sendo 100 Multilayer Perceptron (MLP) e 100 Radial Basis
Function (RBF). As variáveis utilizadas como entrada das RNA para estimação da altura das mudas foram
numéricas (DAC e H) e categórica (T: Substrato 1 – T1; Substrato 2 – T2; Substrato 3 – T3 e Substrato 4 – T4).
Conclui-se, assim, que a modelagem por RNA utilizando arquitetura MLP é adequada e precisa para estimar a
altura de mudas da Tibouchina granulosa.
This study aimed to evaluate the estimation efficiency for seedlings height of the Tibouchina granulosa in
function of root collar diameter, under different substrate compositions, using Artificial Neural Networks
(ANN). Were selected 72 seedlings produced via plastic tubes for transplanting in buckets of 25-liter. The
experiment was established in a completely randomized design with three repetitions, being the treatments
constituted of four substrate compositions. Each experimental unit was composed of six seedlings. At 13 months
of age the root collar diameter (DAC) and total height (H) of all seedlings were measured. Were trained 200
ANN to estimate H, 100 Multilayer Perceptron (MLP) and 100 Radial Basis Function (RBF). The variables used
as input of ANN to seedlings height estimation were numerical (DAC and H) and categorical (T: Substrate 1 -
T1; Substrate 2 - T2; Substrate 3 – T3 and Substrate 4 - T4). It’s concluded that ANN modeling using MLP
architecture is appropriately and accurately to estimate the seedlings height of Tibouchina granulosa.
