Eventos em Ciências Florestais, VI Encontro Brasileiro de Mensuração Florestal

Tamanho da fonte: 
ACURÁCIA DE MODELOS VOLUMÉTRICOS E REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DO VOLUME DE Tectona grandis Linn. f.
Ruan Felipe Lima Caldeira, Eder Pereira Miguel, Mario Lima dos Santos, Hallefy Junio de Souza, Kennedy Nunes Oliveira

Última alteração: 2023-09-12

Resumo


Este estudo buscou comparar o desempenho das estimativas de volume de teca por meio de modelos volumétricos e Redes Neurais Artificiais (RNA) em um povoamento clonal na Amazônia Oriental. Foram cubadas 149 árvores pelo método de Hohenadl. A precisão do ajuste dos modelos volumétricos e das RNAs treinadas foi avaliada pelo erro padrão absoluto e percentual (Syx e Syx %), coeficiente de correlação (r) e análise gráfica de resíduos. A acurácia da RNA e do modelo volumétrico mais precisos, frente o volume verdadeiro, foram comparados pelo teste de Kruskal-Wallis e como estatística complementar se usou a diferença agregada. Os modelos e as redes apresentaram medidas acuradas, dos quais o modelo de Takata e a RNA nº 4 alcançaram uma correlação de 0,991 e erro menor que 7,5 %. Embora a rede tenha tido ligeira superioridade, o teste de Kruskal-Wallis não indicou diferença significativa entre o volume estimado pelas diferentes categorias frente ao volume real, sendo ambos capazes de gerar estimativas acuradas.


Palavras-chave


Inteligência artificial; modelagem; regressão; Teca

Texto completo: PDF