Estudo da forma do fuste utilizando redes neurais artificiais e funções de afilamento

Schikowski, Ana Beatriz; Paula, Ana; Corte, Ana Paula Dalla; Sanquetta, Carlos Roberto

doi:10.4336/2015.pfb.35.82.867

Cited by 17 publications

(21 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sistemas silvipastoris são caracterizados por possuírem arranjos espaciais mais amplos, isso contribuiu para a maior variação nos dados mensurados. SCHIKOWSKI et al (2015) encontraram resultados semelhantes aos obtidos no presente estudo, utilizando dados de 47 árvores de eucalipto para treino e validação de uma RNA. Esses autores observaram desempenhos semelhantes entre as redes neurais e modelos de Hradetzky e Garay.…”

Section: Resultsunclassified

“…Já com relação às redes neurais artificiais, diversos estudos envolvendo aproximação de funções em manejo florestal foram desenvolvidos (GÖRGENS et al, 2009;SOARES et al, 2011;BINOTI et al, 2012;ÖZÇELIK et al, 2013;GÖRGENS et al, 2014;BINOTI et al, 2014;DIAMANTOPOULOU et al, 2015). Para o caso específico da modelagem do perfil do fuste, destacam-se os trabalhos de SCHIKOWSKI et al (2015) e MENDONÇA et al (2015.…”

Section: Introductionunclassified

See 1 more Smart Citation

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Silva¹,

Nolasco²,

Neto³

et al. 2016

Encicl. Biosf.

View full text Add to dashboard Cite

RESUMOO objetivo deste estudo foi avaliar a eficiência do uso de uma rede neural artificial (RNA) para estimar o afilamento do fuste de árvores de eucalipto em sistemas silvipastoris com dois arranjos espaciais. Os dados foram provenientes de 35 árvores-amostras cubadas em sistemas silvipastoris com arranjos espaciais de 12 m x 4 m e 12 m x 2 m. Foi ajustado o modelo proposto por Garay para cada arranjo espacial. Foi treinada uma RNA de configuração Multilayer Perceptron utilizando os arranjos como variável categórica. As demais variáveis de entrada da RNA foram o diâmetro à altura do peito -1,30 m de altura, altura total, alturas de cada seção e os correspondentes diâmetros. A precisão dos métodos foi avaliada por meio das estatísticas da raiz do erro quadrático médio, correlação entre diâmetros observados e estimados, dispersão dos erros percentuais e o desvio médio absoluto. A RNA apresentou desempenho similar ao das duas funções de afilamento, demonstrando ser uma metodologia apropriada para pequenos plantios de eucalipto em sistema silvipastoril, onde pode existir restrição para o abate de árvores. PALAVRAS-CHAVE: ILPF, inteligência artificial, taper. ABSTRACTThe aim of this study was to evaluate the efficiency of using an artificial neural network (ANN) to estimate the stem taper of eucalypt trees in a silvopastoral system composed with two spatial arrangements. The data used were collected out of 35 sample-trees scaled in a silvipastoral system with spatial arrangements of 12 m x 4 m and 12 m x 2 m. The taper model proposed by Garay was fitted for each spatial arrangement. Also, the ANN with Multilayer Perceptron configuration, using the spatial arrangement as a categorical variable, was trained. The others input variables for the ANN were the diameter at breast height -1.30 m height, total height, height of each section and the corresponding diameters. The accuracy of the methods was evaluated using the Root Mean-square Error, the correlation between observed and estimated diameters, dispersion of percentage errors and the mean absolut deviaton. The ANN achieved a similar performance compared to the two functions of tapering, proving to be an appropriate methodology for small eucalyptus plantations in silvopastoral system, where there may be restrictions for logging.

show abstract

Section: Resultsunclassified

Section: Introductionunclassified

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Silva¹,

Nolasco²,

Neto³

et al. 2016

Encicl. Biosf.

View full text Add to dashboard Cite

show abstract

“…Em que: RQME = raiz quadrada do erro médio; s² = variância; Syx = erro padrão da estimativa; r = coeficiente de correlação; T = treinamento; V = validação; P = somatório dos pesos; e H = peso atribuído. Schikowski et al (2015), também encontraram resultados satisfatórios em RNAs com 7 e 8 neurônios na camada intermediária para representar o afilamento do fuste em plantios comerciais de Eucalyptus.…”

Section: Resultsunclassified

Estimativa Do Afilamento Do Fuste De Indivíduos De Eucalipto Por Meio De Técnicas De Inteligência Artifical

Neto

Bezerra

Veras

et al. 2019

BIOFIX

View full text Add to dashboard Cite

RESUMOObjetivou-se com este trabalho definir configurações acuradas de redes neurais artificiais (RNA) para estimar o afilamento do fuste de indivíduos de eucalipto com seis anos de idade. Foi realizada uma cubagem rigorosa em um povoamento comercial no município de Paragominas, mesorregião sudeste do Estado do Pará. Para maior precisão de cubagem, todos os clones foram separados em três classes diamétricas, sendo abatidas cinco árvores por classe, totalizando 60 árvores abatidas. Para o banco de dados foram treinadas 240 RNA no software Neuro versão 4.06. As RNA treinadas foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizado Resilient Propagation RPROP+, com diferentes funções de ativação e arquitetura, sendo estas avaliadas quanto o bias, raiz quadrada do erro médio, variância, erro padrão da estimativa e coeficiente de correlação. As RNA com menor valor ponderado foram as 165, 202, 204, 203 e 177, as quais apresentaram função de ativação do tipo sigmoidal. O coeficiente de correlação apresentou valores maiores que 0,99 para o treinamento e 0,98 para a validação das RNA, nas RNA treinadas. As RNA não foram tendenciosas e possuem capacidade de estimar o taper do eucalipto com acurácia. A RNA 165, com arquitetura de 5-7-1 e função de ativação sigmoidal, foi a que apresentou melhores resultados. ABSTRACTThe objective of this study was to define accurate artificial neural networks (ANN) configurations to estimate the tapering of the eucalyptus with six years old. It was made a rigorous survey in a commercial reforestation in Paragominas' city, a southeastern mesoregion of the State of Pará. For the greater cubing accuracy, all the clones were separated into three diametric classes, so that five trees per class were slaughtered, totaling 60 slaughtered trees. With this database, 240 ANNs were trained in Neuro software version 4.06. The trained ANNs were of the Multilayer Perceptron (MLP) type, with the learning algorithm Resilient Propagation RPROP+, with different activation and architecture functions, being evaluated the bias, square root of the mean error, variance, standard error of the estimate and coefficient of correlation. The ANN with the lowest weighted value were 165, 202, 204, 203 and 177, of these five presented sigmoidal activation functions. The correlation coefficient showed values greater than 0.99 for the training and 0.98 for the validation of ANN, in the ANN were trained. The ANNs were not biased and have the capacity to estimate the eucalyptus taper with acurácea. The ANN 165, with architecture of 5-7-1 and function of sigmoidal activation, was the one presented better results.

show abstract

“…Outros estudos, como os de Schikowski et al (2015), obtiveram desempenho superior ao utilizar RNAs (R 2 = 0,988, RMSE = 5,302%), ao compará-lo com as equações de Hradetzky (R 2 = 0,990, RMSE = 6,230%) e de Garay (R 2 = 0,988, RMSE = 5,483%) para a estimativa do diâmetro relativo de Eucalyptus sp. Além disso, Mendonça et al (2015) compararam o desempenho de uma RNA com o modelo de Schöepfer para a estimativa dos diâmetros ao longo do fuste para Eucalyptus dunni, e concluíram que o desempenho dos dois foi satisfatório, com uma pequena vantagem para a RNA.…”

Section: Idade (Anos) N Dap (Cm) (Cv %) Ht (M) (Cv %)unclassified

“…Uma das técnicas de IA são as Redes Neurais Artificiais (RNAs), essas têm sido empregadas com êxito visando à estimativa de variáveis dendrométricas, como a altura (Ferreira et al, 2014;Binoti et al, 2013), o volume (Gorgens et al, 2009;Binoti et al, 2014;Cordeiro et al, 2015) e o afilamento (Schikowski et al, 2015;Mendonça et al, 2015), assim como o crescimento e a produção (Castro et al, 2013), dentre outras aplicações. Contudo, há dificuldade no entendimento de como as RNAs propiciam tais estimativas, sendo denominadas um sistema "caixa-preta", no qual não se conhecem as relações intermediárias entre as variáveis de entrada com a variável a ser estimada, sabendo apenas que esta relação consiste no ajuste dos pesos sinápticos.…”

Section: Introductionunclassified

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

et al. 2017

Self Cite

View full text Add to dashboard Cite

RESUMOO 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.Palavras-chave: função de afilamento, M5P, multi layer perceptron. Araucaria Stem Taper or Use of Artificial Intelligence Techniques ABSTRACTThe aim of this study was to compare the performance of artificial intelligence techniques with taper functions and evaluate the effect of age on this estimate. The data set was comprised of 135 observations covering the ages 6, 12, 18, 24 and 43 years of age of a stand of Araucaria angustifolia. Adjusted taper functions were Kozak Schöepfer, Hradetzky and Garay modified. The artificial intelligence models used were: ANN and tree model. The input vectors are the same variables used in taper equations and also the same arrangement with the addition of age. 70% of the data was used for adjustment and 30% for validation. The taper function Hradetzky provided the best fit. Among the models evaluated, the ANN provided the best estimates, highlighting the ANN by adding the age variable. The performance of M5P was satisfactory, however, less effective than the other techniques.

show abstract

Estudo da forma do fuste utilizando redes neurais artificiais e funções de afilamento

Cited by 17 publications

References 23 publications

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Estimativa Do Afilamento Do Fuste De Indivíduos De Eucalipto Por Meio De Técnicas De Inteligência Artifical

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

Contact Info

Product

Resources

About