Por conta da importância de se aplicarem refinamentos às técnicas de prognose, a aplicação de Inteligência Artificial, como por exemplo as Redes Neurais Artificiais (RNA), se constituiu de uma alternativa vantajosa à modelagem do crescimento e produção florestal. Nesse sentido, se desenvolveu este trabalho com o objetivo avaliar o emprego de RNA na prognose do crescimento e produção madeireira comparando-se com a análise de regressão. Os dados foram coletados em um plantio de Corymbia citriodora por meio de um inventário florestal contínuo feito nas idades de 42, 54 e 66 meses. Na avaliação dos resultados obtidos, em uma validação com dados dependentes, adotou-se os critérios estatísticos: média dos desvios percentuais, raiz quadrada do erro médio, correlação e soma dos quadrados dos resíduos, além da análise gráfica da distribuição de resíduos. Incluiu-se, também nesta avaliação, a interpretação biológica das tendências de crescimento e produção florestal. Em uma etapa final de avaliação, procedeu-se a validação cruzada com o emprego do teste de qui-quadrado ao nível de 5% de significância. Concluiu-se que a prognose realizada por meio de RNA resultou em um melhor nível de acurácia que o emprego da análise de regressão.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.