Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/3527
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Aplicação de redes neurais artificiais para a classificação da capacidade produtiva de um povoamento florestal na região do Jari, Oeste do Pará
metadata.dc.creator: GAMA, Natally Celestino
metadata.dc.contributor.advisor1: FIGUEIREDO, Lívia Thais Moreira de
Issue Date: 22-Nov-2019
Citation: GAMA, Natally Celestino. Aplicação de redes neurais artificiais para a classificação da capacidade produtiva de um povoamento florestal na região do Jari, Oeste do Pará. Orientadora: Lívia Thais Moreira de Figueiredo. 2019. 49 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Florestal) - Faculdade de Engenharia Florestal, Universidade Federal do Pará, Altamira, 2019. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/3527. Acesso em:..
metadata.dc.description.resumo: Este trabalho teve por objetivo avaliar a classificação da capacidade produtiva por meio de métodos tradicionais e comparar com a classificação obtida por meio do uso de Redes Neurais Artificiais em plantios de Eucalyptus urograndis na Amazônia. Os dados são oriundos de plantios clonais não desbastados de híbridos de Eucalyptus urograndis localizados na região do Jari no oeste do estado do Pará. Para a classificação da capacidade produtiva foram avaliados os seguintes métodos: curva-guia (MCG), equação das diferenças (MED) e predição de parâmetros (MPP). Os critérios estatísticos empregados para avaliar a qualidade da classificação foram: BIAS (%), raiz quadrada do erro médio (RQEM(%)), coeficiente de correlação (rŷ.y ) e o critério de Informação Bayesiano (BIC). A classificação por meio de redes neurais artificiais foi superior à obtida por meio de métodos tradicionais, o que demonstra o potencial dessa ferramenta na classificação da capacidade produtiva de povoamentos florestais.
Abstract: The objective of this work was to evaluate the classification of productive capacity using traditional methods and compare with the classification obtained through the use of Artificial Neural Networks in Eucalyptus urograndis plantations in the Amazon. Data are from non-thinned clonal plantations of Eucalyptus urograndis hybrids located in the Jari region of western Pará state. For the classification of the productive capacity the following methods were evaluated: guide curve (MCG), difference equation (MED) and parameter prediction (MPP). The statistical criteria used to assess the quality of the classification were: BIAS (%), square root mean error (RQEM (%)), correlation coefficient (rŷ.y) and the Bayesian Information criterion (BIC). The classification through artificiais neurais networks was superior to that obtained by traditional methods, which demonstrates the potential of this tool in the classification of productive capacity of forest stands.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL
Keywords: Mensuração
Índice de local
Produtividade
Measurement
Site index
Productivity
metadata.dc.rights: Acesso Aberto
metadata.dc.source.uri: Disponível na internet via correio eletrônico: bibaltamira@ufpa.br
Appears in Collections:Faculdade de Engenharia Florestal - FEF/CALTA

Files in This Item:
File Description SizeFormat 
TCC_AplicacaoRedesNeurais.pdf2,2 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons