Pró-Reitoria de Pesquisa e Pós-Graduação

Permanent URI for this communityhttps://repositorio.ufvjm.edu.br/communities/1efbe8c9-f03c-44d3-8028-d62de805b8fa

A Pró-Reitoria de Pesquisa e Pós-Graduação da Universidade Federal dos Vales do Jequitinhonha e Mucuri - PRPPG/UFVJM - tem a finalidade de apreciar, coordenar, auxiliar, deliberar e homologar as atividades de Pesquisa, Pós-Graduação e inovação da Instituição. A PRPPG possui um orgão de deliberação denominado Conselho de Pesquisa e Pós-Graduação - CPPG. A "Pró-Reitoria de Pesquisa e Pós-Graduação" é constituída pela Diretoria de Pesquisa e pela Diretoria de Pós-Graduação no campus sede da UFVJM e pelas diretorias de Pesquisa e de Pós-Graduação dos campi fora de sede.

News

Membros da PRPPG - Campus JK


Membros da PRPPG - Campus Mucuri

Browse

Filters

20161

Settings

Author: search.filters.author.Nery, Kaio Cesar Mendes da SilvaSubject: search.filters.subject.Artificial neural networks

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Redução do número de parcelas para modelagem da prognose do volume de floresta
    (UFVJM, 2016) Nery, Kaio Cesar Mendes da Silva; Cordeiro, Sidney Araújo; Silva, Mayra Luiza Marques da; Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM); Oliveira, Marcio Leles Romarco de; Silva, Mayra Luiza Marques da; Cordeiro, Sidney Araújo
    O objetivo deste estudo foi avaliar o efeito da redução de parcelas permanentes no custo da realização do inventário florestal contínuo e realizar a prognose do volume de floresta comparando o emprego das Redes Neurais Artificiais ao modelo tradicionalmente utilizado proposto por Clutter (1963). Os dados utilizados foram provenientes de povoamentos localizados no litoral norte da Bahia, totalizando cerca de 3.000 hectares de floresta. Foram propostas duas metodologias para auxiliar na redução das parcelas. Para a metodologia proposta no estudo 1, os dados foram divididos aleatoriamente em dois grupos: treinamento (10, 20, 30, 40, 50, 60, 70, 80, e 90%) e generalização (90, 80, 70, 60, 50, 40, 30, 20, 10%). Os dados do treinamento foram utilizados para gerar as redes neurais artificias enquanto que os dados da generalização serviram para validar a capacidade das redes em gerar resultados precisos para dados desconhecidos. A metodologia proposta no estudo 2 dividiu aleatoriamente os dados em dois grupos: treinamento a escolha fixa de quantidades de parcelas pré-estabelecidas nas três classes de sítio (10, 20, 30, 40, 50 e 60) totalizando 30, 60, 90, 120, 150 e 180 parcelas utilizadas para o treino das redes neurais e os demais dados foram utilizados para validar a capacidade das redes. A estimativa da variável de estudo foi gerada no sistema computacional Neuroforest 3.3. A aplicação das Redes Neurais Artificiais apresentaram resultados satisfatórios bem como a aplicação de ambas metodologias permitiram reduzir consideravelmente o custo para a realização do inventário florestal.