Estimação de altura em plantio de eucalipto por meio redes neurais artificiais no Estado de Rondônia
| dc.contributor.advisor | Vieira, Giovanni Correia | |
| dc.contributor.author | Jansen, Daniela Camata | |
| dc.date.accessioned | 2023-12-08T17:46:55Z | |
| dc.date.available | 2023-12-08T17:46:55Z | |
| dc.date.issued | 2023 | |
| dc.description | Trabalho de conclusão de curso apresentado ao Curso de Bacharelado em Engenharia Florestal do Instituto Federal de Educação, Ciência e Tecnologia de Rondônia, campus Ji-Paraná, como parte dos requisitos necessários para obtenção do título de Bacharel em Engenharia Florestal. | |
| dc.description.abstract | O uso de redes neurais apresenta vantagens em comparação com métodos estatísticos tradicionais. Isso se deve à capacidade dessas redes de modelar relações não lineares e capturar interações complexas entre variáveis. Dessa forma, é possível estimar a altura com maior precisão em comparação aos modelos de regressão convencionais. Além disso, diversos estudos destacam a eficácia dessa técnica na modelagem de variáveis florestais, como volume e altura. O objetivo deste estudo é avaliar a eficácia das redes neurais artificiais na estimativa da altura de um plantio de eucalipto em Ji-Paraná, Rondônia. A exatidão foi por meio das seguintes estatísticas: raiz quadrada média do resíduo (RQME), bias e confeccionados gráficos de dispersão dos resíduos. Logo, foi utilizado o software r core Team (2018) e o Excel 2013 para fazer essas análises. Os resultados neste estudo revelaram-se altamente eficazes a utilização das Redes Neurais Artificiais na estimativa das alturas das árvores, apresentando valores de coeficiente de correlação variando de 72,65% a 76,90%. Essa abordagem apresentou resultados semelhantes aos modelos de regressão para a base de dados. | |
| dc.description.abstract2 | The use of neural networks has advantages over traditional statistical methods. This is due to the ability of these networks to model non-linear relationships and capture complex interactions between variables. In this way, it is possible to estimate height more accurately than conventional regression models. In addition, several studies have highlighted the effectiveness of this technique in modeling forest variables such as volume and height. The aim of this study was to evaluate the effectiveness of artificial neural networks in estimating the height of a eucalyptus plantation in Ji-Paraná, Rondônia. Accuracy was measured using the following statistics: root mean square of the residual (RMSR), bias and scatter plots of the residuals. The software r core Team (2018) and Excel 2013 were used to carry out these analyses. The results of this study proved to be highly effective when using Artificial Neural Networks to estimate tree heights, with correlation coefficient values ranging from 72.65% to 76.90%. This approach presented similar results to the regression models for the database. | |
| dc.identifier.citation | Jansen, Daniela Camata. Estimação de altura em plantio de eucalipto por meio redes neurais artificiais no Estado de Rondônia. Orientador: Giovanni Correia Vieira. 2023. 20 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Florestal)- Intituto Federal de Rondônia, Ji-Paraná, 2023. | |
| dc.identifier.uri | http://repositorio.ifro.edu.br/handle/123456789/615 | |
| dc.language.iso | pt_BR | |
| dc.publisher.campi | Campus Ji-Paraná | |
| dc.publisher.program | Bacharelado em Engenharia Florestal | |
| dc.subject | Inteligência artificial | |
| dc.subject | Floresta plantada | |
| dc.subject | Relação hipsométrico | |
| dc.subject | Inventário florestal | |
| dc.subject.keyword | Artificial intelligence | |
| dc.subject.keyword | Planted Forest | |
| dc.subject.keyword | Hypsometric Relationships | |
| dc.subject.keyword | Forest inventory | |
| dc.title | Estimação de altura em plantio de eucalipto por meio redes neurais artificiais no Estado de Rondônia | |
| dc.type | Trabalho de Conclusão de Curso |