O objetivo deste estudo foi comparar o desempenho de técnicas de inteligência artificial com funções de afilamento e avaliar a contribuição da idade nessa estimativa. O conjunto de dados foi composto por 135 observações, abrangendo as idades de 6, 12, 18, 24 e 43 anos de um povoamento de Araucaria angustifolia. As funções de afilamento ajustadas foram Kozak modificado, Schöepfer, Hradetzky e Garay. Os modelos de inteligência artificial utilizados foram: RNA e árvore modelo (M5P). Os vetores de entrada foram as mesmas variáveis utilizadas nas equações de afilamento e também o mesmo arranjo com a adição da idade. Foram utilizados 70% dos dados para ajuste e 30% para validação. A função de afilamento de Hradetzky forneceu o melhor ajuste. Dentre os modelos avaliados, a RNA propiciou as melhores estimativas, com destaque para a RNA com adição da variável idade. O desempenho da M5P foi satisfatório, porém, inferior às demais técnicas utilizadas.
The aim of this study was to compare the performance of artificial intelligence techniques with taper functions and evaluate the effect of age on this estimate. The data set was comprised of 135 observations covering the ages 6, 12, 18, 24 and 43 years of age of a stand of Araucaria angustifolia. Adjusted taper functions were Kozak Schöepfer, Hradetzky and Garay modified. The artificial intelligence models used were: ANN and tree model. The input vectors are the same variables used in taper equations and also the same arrangement with the addition of age. 70% of the data was used for adjustment and 30% for validation. The taper function Hradetzky provided the best fit. Among the models evaluated, the ANN provided the best estimates, highlighting the ANN by adding the age variable. The performance of M5P was satisfactory, however, less effective than the other techniques.
