PROGNOSE EM NÍVEL DE POVOAMENTO DE CLONES DE EUCALIPTO EMPREGANDO REDES NEURAIS ARTIFICIAIS

Ano: 2015 | Volume: 21 | Número: 1

Autores: Mayra Luiza Marques da Silva Binoti, Helio Garcia Leite, Daniel Henrique Breda Binoti, José Marinaldo Gleriani

Palavras-chave: Modelagem do crescimento e produção florestal, Aproximação de funções, Povoamentos não desbastados

Resumo Português:

Objetivou-se, neste estudo, treinar, aplicar e avaliar a eficiência de redes
neurais artificiais (RNA) para realizar a prognose da produção de povoamentos equiâneos
de clones de eucalipto. Os dados utilizados foram provenientes de povoamentos
localizados no sul da Bahia, totalizando cerca de 2.000 hectares de floresta. Foram
utilizadas variáveis numéricas, como: idade, área basal, volume e variáveis categóricas,
como classe de solo, textura, tipos de espaçamento, relevo, projeto e clone. Os dados
foram divididos aleatoriamente em dois grupos: treinamento (80%) e generalização
(20%). Foram treinadas redes de três tipos: perceptron, perceptron de múltiplas camadas
e redes de função de base radial. As RNA que apresentaram os melhores desempenhos
no treinamento e generalização foram selecionadas para realizar a prognose com dados,
a partir do primeiro inventário florestal. Conclui-se que as RNA apresentaram resultados
satisfatórios, comprovando o potencial e aplicabilidade da técnica na solução dos
problemas de mensuração e manejo florestal.

Resumo Inglês:

The objective of this study was to train, implement and evaluate the
efficiency of artificial neural networks (ANN) to perform production prognosis of
even-aged stands of eucalyptus clones. The data used were from plantations located
in southern Bahia, totaling about 2,000 acres of forest. Numeric variables, such as age,
basal area, volume and categorical variables, such as soil class texture, spacing, land relief,
project and clone were used. The data were randomly divided into two groups: training
(80%) and generalization (20%). Three types of networks were trained: perceptron,
multilayer perceptron networks and radial basis function. The RNA that showed the best
performance in training and generalization were selected to perform the prognosis with
data from the first forest inventory. We conclude that the RNA had satisfactory results,
showing the potential and applicability of the technique in solving measurement and forest
management problems.