APLICAÇÃO DE TÉCNICAS DE REGRESSÃO LINEAR E APRENDIZAGEM DE MÁQUINAS NA PREDIÇÃO DA ALTURA TOTAL DE ÁRVORES DE EUCALYPTUS SPP.

Code: 201102132
Downloads
37
Views
45
Compartilhe
Título

APLICAÇÃO DE TÉCNICAS DE REGRESSÃO LINEAR E APRENDIZAGEM DE MÁQUINAS NA PREDIÇÃO DA ALTURA TOTAL DE ÁRVORES DE EUCALYPTUS SPP.

Autores(as):
  • Isáira Leite e Lopes

  • Laís Almeida Araújo

  • Evandro Nunes Miranda

  • Vítor de Souza Abreu

  • Vanessa de Souza Gomes

  • Bruna Cristina Almeida

  • Anny Francielly Ataide Gonçalves

  • Lorena Oliveira Barbosa

  • Lucas Rezende Gomide

DOI
  • DOI
  • 10.37885/201102132
    Publicado em

    28/01/2021

    Páginas

    29-43

    Capítulo

    2

    Resumo

    O objetivo deste trabalho foi avaliar o desempenho na predição da altura total de árvores de Eucalyptus spp. por meio do uso de Regressão linear múltipla via stepwise (RLMS), Redes neurais artificiais (RNA) e Random forest (RF) em um povoamento no município de Lavras – MG, Brasil. Para isto, obtiveram-se o diâmetro a 1,30 m do solo (DAP) e a altura total (HT) provenientes da cubagem não destrutiva de uma amostra de 71 árvores nas idades de dois e sete anos, em um espaçamento 3 x 2 m. A modelagem foi realizada no software R com base em três agrupamentos de dados: 1) idade de dois anos; 2) idade de sete anos; e 3) Idade de 2 e 7 anos juntas. Os critérios de avaliação dos modelos foram: correlação (r) entre as alturas estimadas e observadas, raiz do erro quadrado médio percentual (RMSE%), dispersão dos erros percentuais e histogramas dos erros percentuais. Todos os modelos apresentaram coeficientes de correlação (r) similares. Quanto ao RMSE (%), destaca-se o modelo ajustado pelo RF na idade de dois anos apresentou o menor erro no ajuste e na validação. Constatou-se também que aos sete anos de idade, a dispersão residual foi mais homogênea para o RLMS e o RF, sendo mais balanceada neste último. Para ambas as idades, o RLMS apresentou os menores erros de estimativa, seguido do RF. Assim, o RF e o RLMS destacaram-se frente à RNA, como técnicas mais eficientes para predizer a altura total de indivíduos de Eucalyptus spp.

    Ler mais...
    Palavras-chave

    Modelos de regressão. Random forest. Rede Neural Artificial. Biometria Florestal.

    Licença

    Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional.

    Licença Creative Commons

    O conteúdo dos capítulos e seus dados e sua forma, correção e confiabilidade, são de responsabilidade exclusiva do(s) autor(es). É permitido o download e compartilhamento desde que pela origem e no formato Acesso Livre (Open Access), com os créditos e citação atribuídos ao(s) respectivo(s) autor(es). Não é permitido: alteração de nenhuma forma, catalogação em plataformas de acesso restrito e utilização para fins comerciais. O(s) autor(es) mantêm os direitos autorais do texto.

    Este site utiliza cookies. Usamos cookies para personalizar conteúdo e anúncios, fornecer recursos de mídia social e analisar nosso tráfego. Ao continuar você concorda com a nossa política de utilização de cookies.

    Continuar