PPGCF - Mestrado em Ciência Florestal (Dissertações)
Permanent URI for this collectionhttps://repositorio.ufvjm.edu.br/collections/b1349b75-0cae-4760-8cf1-e041aeb253ce
Browse
Search Results
Item Emprego de redes neurais artificiais com skip-layer connections na mensuração florestal(UFVJM, 2015) Silva, Paula Ventura da; Binoti, Mayra Luiza M. da Silva; Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM); Binoti, Mayra Luiza M. da Silva; Leite, Helio Garcia; Silva, Antonilmar Araújo Lopes da; Gleriani, José MarinaldoRESUMO SILVA, Paula Ventura da, M.Sc., Emprego de redes neurais artificiais com Skip-Layer Connections na mensuração florestal. 2015. 46 f. Dissertação (Mestrado em Ciência Florestal) – Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015. O objetivo principal deste estudo foi avaliar a aplicação de Redes Neurais Artificiais (RNA) utilizando a técnica Skip-layer connections, com e sem recorrência, para estimação do volume individual e da altura total de árvores de eucalipto. Os objetivos específicos foram testar e avaliar as reduções no tamanho da base de dados do conjunto de ajuste (treinamento) para estimação dessas variáveis. Os dados utilizados foram provenientes de árvores abatidas para cubagem (estimação do volume individual) e de medições de parcelas permanentes de inventários florestais contínuos (estimação da altura total), em área de povoamentos de eucalipto localizados no sul da Bahia, Brasil. Foram treinadas redes do tipo Multilayer Perceptron (MLP), utilizando a função de ativação logística nas camadas intermediária e de saída e oito neurônios na camada oculta. O número de neurônios na camada de entrada variou conforme o número e o tipo de variável (qualitativa ou quantitativa) em cada estudo. Os critérios de parada foram o erro médio quadrático de 0,0001 ou 3.000 ciclos (épocas). Em seguida, as RNA selecionadas foram aplicadas em parte dos dados separados, para generalização (validação). O software utilizado para o treinamento e a generalização das RNA foi o NeuroForest 3.3. Para comparação dos resultados obtidos pelas RNA, foram ajustados os modelos tradicionais de regressão tanto para volume, quanto para altura, e também foram treinadas e aplicadas RNA usando o algoritmo Resilient Propagation, comumente utilizado em aplicações da mensuração florestal. A avaliação dos resultados gerados pelas RNA e pelos modelos de regressão foi feita por meio do coeficiente de correlação entre os valores observados e estimados, de gráficos de dispersão e de histogramas de frequência percentual dos erros percentuais. As Redes Neurais Artificiais utilizando Skip-layer connections apresentaram resultados satisfatórios para estimação de volume e de altura de árvores de eucalipto, o que evidencia a possibilidade de aplicar a técnica em mensuração e manejo florestal e uma expressiva redução das bases de dados para treinamento das RNA.