Caboclo - Repositório Institucional UFRB CCAAB - Centro de Ciências Agrárias, Ambientais e Biológicas CCAAB - Cursos de Graduação CCAAB - Bacharelado em Engenharia Florestal - TCC
Use este identificador para citar ou linkar para este item: http://ri.ufrb.edu.br/jspui/handle/123456789/2731
Tipo de documento: Trabalho de Conclusão de Curso
Grau acadêmico: Bacharelado
Título: Potencial de redes neurais artificiais e regressão na estimativa de volume de espécies nativas
Autor(es): Amorim, Lucas Mota
Orientador(a): Leite, Elton da Silva
Coorientador(a): Silva, Liniker Fernandes da
Membro(a) da banca: Souza, Deoclides Ricardo de
Resumo: A compreensão do potencial produtivo madeireiro de espécies nativas contribui para o manejo sustentável. Desta forma, objetivou-se com este trabalho avaliar o potencial de redes neurais artificiais e regressão na estimativa de volume de madeira em povoamentos homogêneos de Anadantera macrocarpa, Genipa americana e Mimosa caesalpiniflolia. Os métodos de regressão e de redes neurais artificiais apresentaram aplicabilidade para a estimativa do volume individual dos povoamentos homogêneos em diferentes espaçamentos e aos sete anos de idade. O modelo de regressão de Spurr obteve melhores resultados estatísticos e dispersão dos erros não tendenciosos para as espécies Anadantera macrocarpa e Genipa americana, já o modelo proposto por Shumacher e Hall obteve maior precisão de volumes da espécie Mimosa Caesalpinifolia. As RNAs com dois neurônios na camada intermediária obtiveram os melhores ajustes para as espécies. As redes neurais artificiais são recomendadas para estimar os volumes individuais das espécies avaliadas e evidenciaram maior precisão em relação à regressão na estimativa de volume.
Palavras-chave: Volume
Regressão
RNAs (ácido ribonucleico)
Resumo em inglês: Understanding the productive potential of native species contributes to sustainable management. The objective of this work was to evaluate the potential of artificial neural networks and regression in the estimation of wood volume in homogenous stands of Anadantera macrocarpa, Genipa americana and Mimosa caesalpiniflolia. The regression methods and artificial neural networks presented applicability for estimating the individual volume of homogeneous stands at different spacings and at seven years of age. The Spurr regression model obtained better statistical results and dispersion of non-biased errors for the species Anadantera macrocarpa and Genipa americana, whereas the model proposed by Shumacher and Hall obtained greater precision of the volumes of the species Mimosa Caesalpinifolia. The RNAs with two neurons in the middle layer obtained the best adjustments for the species. Artificial neural networks are recommended to estimate the individual volumes of the evaluated species and showed greater precision in relation to the regression in the volume estimation.
Palavras-chave em inglês: Volume
Regression
RNAs (Ribonucleic acid)
Editora / Instituição: Universidade Federal do Recôncavo da Bahia
Centro de Ensino: CCAAB - Centro de Ciências Agrárias, Ambientais e Biológicas
Data do documento: 31-Jan-2018
CNPq: CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL
Tipo de acesso: Acesso Aberto
Acesso Disponível em: 2023-09-26T19:53:21Z
URI: http://ri.ufrb.edu.br/jspui/handle/123456789/2731
Aparece na(s) coleção(ões):CCAAB - Bacharelado em Engenharia Florestal - TCC

Arquivo(s) associado(s) a este item:
Arquivo Descrição TamanhoFormato 
Potencial_Redes_Neurais_TCC_2018.pdf931,46 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.