Caboclo - Repositório Institucional UFRB CCAAB - Centro de Ciências Agrárias, Ambientais e Biológicas CCAAB - Cursos de Graduação CCAAB - Bacharelado em Engenharia Florestal - TCC
Please use this identifier to cite or link to this item: http://ri.ufrb.edu.br/jspui/handle/123456789/2731
metadata.dc.type: Trabalho de Conclusão de Curso
metadata.dc.degree.level: Bacharelado
Title: Potencial de redes neurais artificiais e regressão na estimativa de volume de espécies nativas
metadata.dc.creator: Amorim, Lucas Mota
metadata.dc.contributor.advisor1: Leite, Elton da Silva
metadata.dc.contributor.advisor-co1: Silva, Liniker Fernandes da
metadata.dc.contributor.referee1: Souza, Deoclides Ricardo de
metadata.dc.description.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.
Keywords: Volume
Regressão
RNAs (ácido ribonucleico)
Abstract: 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.
metadata.dc.subject.en: Volume
Regression
RNAs (Ribonucleic acid)
Publisher: Universidade Federal do Recôncavo da Bahia
metadata.dc.publisher.department: CCAAB - Centro de Ciências Agrárias, Ambientais e Biológicas
Issue Date: 31-Jan-2018
metadata.dc.subject.cnpq: CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL
metadata.dc.rights: Acesso Aberto
metadata.dc.date.available: 2023-09-26T19:53:21Z
URI: http://ri.ufrb.edu.br/jspui/handle/123456789/2731
Appears in Collections:CCAAB - Bacharelado em Engenharia Florestal - TCC

Files in This Item:
File Description SizeFormat 
Potencial_Redes_Neurais_TCC_2018.pdf931,46 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.