Estimativa do Afilamento do Fuste de Araucária Utilizando Técnicas de Inteligência Artificial

• Main Authors: Ana Paula Marques Martins, Aline Bernarda Debastiani, Allan Libanio Pelissari, Sebastião do Amaral Machado, Carlos Roberto Sanquetta
• Format: Article
• Language: English
• Published: Universidade Federal Rural do Rio de Janeiro 2017-05-01
• Series: Floresta e Ambiente
• Subjects: taper function; M5P; multi layer perceptron
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2179-80872017000100152&lng=en&tlng=en

RESUMO O objetivo deste estudo foi comparar o desempenho de técnicas de inteligência artificial com funções de afilamento e avaliar a contribuição da idade nessa estimativa. O conjunto de dados foi composto por 135 observações, abrangendo as idades de 6, 12, 18, 24 e 43 anos de um povoamento de Araucaria angustifolia. As funções de afilamento ajustadas foram Kozak modificado, Schöepfer, Hradetzky e Garay. Os modelos de inteligência artificial utilizados foram: RNA e árvore modelo (M5P). Os vetores de entrada foram as mesmas variáveis utilizadas nas equações de afilamento e também o mesmo arranjo com a adição da idade. Foram utilizados 70% dos dados para ajuste e 30% para validação. A função de afilamento de Hradetzky forneceu o melhor ajuste. Dentre os modelos avaliados, a RNA propiciou as melhores estimativas, com destaque para a RNA com adição da variável idade. O desempenho da M5P foi satisfatório, porém, inferior às demais técnicas utilizadas.