Configuração de redes neurais artificiais para estimação da altura total de árvores de eucalipto

Abstract

RESUMOO objetivo do presente trabalho foi definir configurações adequadas de Redes Neurais Artificiais (RNA) para a obtenção da altura total de árvores de eucalipto. Os dados utilizados foram provenientes de inventários florestais contínuos em povoamentos com idades entre 21 a 137 meses, localizados no sul da Bahia. As configurações de RNA testadas variaram em relação ao número de neurônios na camada oculta, função de ativação, número de ciclos e algoritmos de aprendizagem com seus parâmetros. Os testes foram realizados no sistema Neuroforest e as estimativas foram avaliadas pelo coeficiente de correlação, raiz quadrada do erro quadrático médio (RMSE%) e análise gráfica de resíduos. A estimação da altura de árvores pode ser feita por meio de diversas configurações de RNA, utilizando os algoritmos de aprendizagem Resilient Propagation, Quick Propagation e Scaled Conjugate Gradient, com o número de neurônios ocultos variando entre 03 e 08 para o algoritmo Quick Propagation e 13 e 20 para o algoritmo Scaled Conjugate Gradient. As funções de ativação tangente hiperbólica, sigmóide, log e seno são apropriadas para as camadas ocultas e de saída, e as funções linear e identidade se mostraram apropriadas apenas para a camada de saída. Dois mil ciclos são suficientes para o treinamento das RNA. Palavras-chave: inteligência artificial, neuroforest, relações hipsométricas Configuration of artificial neural networks for estimation of total height of eucalyptus trees ABSTRACTThe aim of this study was to define appropriate configurations of Artificial Neural Networks (ANN) to obtain the total height of eucalyptus trees. The data used came from continuous forest inventories in stands aged 21-137 months located in southern Bahia. The ANN configurations tested varied according to the number of neurons in the hidden layer, activation function, number of cycles and learning algorithms with their parameters. The tests were performed in Neuroforest system and the estimates were evaluated using the correlation coefficient, the root mean square error (RMSE%), and graphical analysis of residues. The estimation of the height of trees may be made by various ANN configurations using the learning algorithms Resilient Propagation, Quick Propagation and Scaled Conjugate Gradient, with number of hidden neurons varying between 03 and 08 for the Quick Propagation algorithm and 13 and 20 to Scaled Conjugate Gradient algorithm. The activation functions hyperbolic tangent, sigmoid, log and sine are suitable for the hidden and output layers, and functions linear and identity proved suitable only for the output layer. Two thousand cycles are sufficient for the training of ANN.

Algoritmo particle swarm optimization (PSO) no treinamento de redes neurais para estimativa de altura em povoamento de eucalipto

“…De acordo com Martins et al (2014), os excelentes resultados alcançados por meio de RNA se devem as suas características intrínsecas que as tornam adequadas para solucionar diferentes problemas. As RNA possuem a habilidade para detectar implicitamente relações não-lineares entre a variável de saída e as variáveis de entrada, sendo essa uma característica interessante para muitas das estimativas florestais.…”

Configuração de algoritmos de aprendizado de máquina na modelagem florestal: um estudo de caso na modelagem da relação hipsométrica

“…Por outro lado, Vendruscolo et al (2016), utilizando a mesma função de ativação para estimativa de alturas individuais em povoamentos de Tectona grandis, observaram melhor performance de generalização em redes treinadas com seis a dez neurônios na camada oculta. Outros autores, ao testarem diferentes configurações de RNA, obtiveram resultados que demonstram a ausência de uma configuração mais indicada para utilização de redes neurais artificiais na modelagem da relação hipsométrica, ou mesmo de outros atributos florestais (VENDRUSCOLO, 2010;BINOTI et al, 2014;MARTINS et al, 2016) e que, desse modo, diferentes parâmetros devem ser testados, a fim de se obter a configuração de melhor performance para cada caso.…”

“…Estudos na área de mensuração florestal têm utilizado métodos de AM principalmente em tarefas de regressão, sendo as redes neurais artificiais (RNA) os mais estudados, apresentando em diversos casos performance superior aos modelos de regressão tradicionais na modelagem de atributos, como volume individual (BINOTI et al, 2014;GORGENS et al, 2014;) e altura total (MARTINS et al, 2016;VENDRUSCOLO et al, 2016).…”

Uso De Diferentes Técnicas Para Descrição Da Altura De Um Plantio Monoespecífico De Angico-Vermelho

“…Portanto, a inclusão de variáveis qualitativas nos modelos hipsométricos é importante para que sejam obtidas estimativas mais próximas dos valores reais observados. Entretanto, adicionar variáveis qualitativas em modelos de regressão nem sempre geram ganho de exatidão, uma vez que a inclusão dessas requer representatividade para todos os níveis das variáveis qualitativas na amostra, o que nem sempre é possível (MARTINS et al, 2016).…”

“…De acordo com Martins et al (2016), o uso de RNA é uma alternativa interessante para estimar a altura das árvores em povoamentos florestais. As RNA são assim denominadas porque o funcionamento se assemelha ao do cérebro humano em alguns aspectos, e podem ser definidas como modelos matemáticos constituídos de unidades de processamento simples denominadas neurônios artificiais, que estão dispostas em camadas.…”