Ciência e Tecnologia: bases para o Desenvolvimento Social
20 a 25 de outubro de 2014
Trabalho 2868
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Biologia, produção e manejo vegetal (agrícola e florestal) |
| Setor | Departamento de Engenharia Florestal |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Mariana Futia Taquetti |
| Orientador | HELIO GARCIA LEITE |
| Outros membros | Aline Edwiges Mazon de Alcântara, Diogo Nepomuceno Consenza, Gustavo Eduardo Marcatti |
| Título | Classificação da capacidade produtiva de povoamentos utilizando máquina de vetor de suporte e redes neurais artificiais |
| Resumo | Pesquisadores da área de mensuração e manejo florestal tem incluído com frequência em seus estudos o uso das técnicas de inteligência computacional para realização de trabalhos de modelagem. Dentre essas técnicas, se destacam as Redes Neurais Artificiais, capazes de gerar modelos com grande capacidade de generalização, reduzindo o erro das estimativas e o número de equações a serem manipuladas. Outra técnica bastante promissora é a Máquina de Vetor de Suporte, que vem chamando atenção da comunidade científica pela qualidade dos resultados apresentados, porém, com poucos são os trabalhos com aplicações em mensuração e manejo florestal. Devido a essas características, buscou-se nesse trabalho avaliar o uso dessas técnicas (RNA e MVS) no processo de classificação da capacidade produtiva de povoamentos florestais, com a inclusão de variáveis edáficas e de manejo, comparando os seus resultados com aqueles obtidos pelo método da curva guia. Assim, para realizar esse estudo utilizou-se o cadastro das propriedades de uma empresa florestal contendo as informações sobre o tipo de solo e o tipo de preparo do terreno antes do plantio, o espaçamento utilizado, a idade do povoamento, altura dominante, área basal, DAP mínimo, médio e máximo do povoamento, o número de indivíduos e a classe de local previamente determinada por curvas de índice de local geradas através do método da curva guia. Foram treinadas 400 redes com diferentes configurações no software Statistica 10, utilizando 70% dos dados para treinamento, 15% para o teste e 15% para a validação, e escolhida aquela que apresentava a maior acurácia. Para o caso da MVS escolheu-se o kernel Função de Base Radial, utilizando o padrão e otimizadores do próprio sistema para definir os demais parâmetros. Nessa etapa os dados também foram divididos em treinamento (70%) e teste (30%). Foi possível concluir que as técnicas de IA avaliadas são capazes de classificar a capacidade produtiva do local de forma satisfatória, desde que utilizadas as variáveis adequadas; o uso conjunto das variáveis tipo de solo, espaçamento do plantio, idade e altura dominante, foi suficiente para classificar os locais; as RNA apresentaram índice de acerto de 99,03% contra 95,25% para a MVS. |
| Palavras-chave | Mensuração florestal, inteligência artificial, manejo florestal |
| Forma de apresentação..... | Oral |