Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/7696
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorBINOTI, M. L. M. S.
dc.date.accessioned2018-08-01T22:56:05Z-
dc.date.available2018-08-01
dc.date.available2018-08-01T22:56:05Z-
dc.identifier.citationLOPES, I. L. E., AVALIAÇÃO E SELEÇÃO DE VARIÁVEIS PREDITORAS NA ESTIMATIVA DA DENSIDADE DA MADEIRA DE EUCALIPTOpor
dc.identifier.urihttp://repositorio.ufes.br/handle/10/7696-
dc.publisherUniversidade Federal do Espírito Santopor
dc.titleAVALIAÇÃO E SELEÇÃO DE VARIÁVEIS PREDITORAS NA ESTIMATIVA DA DENSIDADE DA MADEIRA DE EUCALIPTOpor
dc.typemasterThesisen
dc.contributor.memberSILVA, G. F.
dcterms.abstractEste trabalho teve como objetivo avaliar e selecionar as variáveis preditoras mais relevantes para estimação da densidade básica da madeira de árvores de eucalipto. Foram avaliadas as variáveis qualitativas obtidas em informações cadastrais (clone, sub-região e relevo), quantitativas obtidas de Inventário Florestal Contínuo IFC (volume total com casca, diâmetro a altura do peito e altura total) e quantitativas referentes às informações climáticas da área em estudo (velocidade do vento, temperatura média, precipitação total média, déficit de pressão de vapor, déficit hídrico e altitude), para a estimação da densidade da madeira de 386 árvores. Os métodos de avaliação e seleção de variáveis utilizados foram: força bruta com aplicação de Redes Neurais Artificiais (RNA) testando todas as possíveis combinações entre as variáveis; algoritmo de Garson e Random Forest, que quantificam a importância individual das variáveis preditoras. A classificação das variáveis preditoras variou entre os métodos, o que pode ser atribuído às suas diferentes abordagens matemáticas. A variável clone destacou-se das demais, em todos os métodos. Para o método da força bruta, a simplificação da RNA com o uso de 5 variáveis resultou em maior grau de exatidão das estimativas de densidade básica, em que a combinação ótima consistiu nas variáveis clone, idade, volume total com casca, temperatura média e déficit hídrico. Quanto ao algoritmo de Garson, as 5 variáveis com maior valor de importância foram: clone, sub-região, relevo, idade e déficit hídrico. Já o Random Forest, apresentou dentre as 5 variáveis com maior importância, o clone, idade, altura total, precipitação total média e temperatura média. Entretanto, diante do esforço computacional para aplicação do método da força bruta, uma alternativa é o uso do Random forest ou algoritmo de Garson, visto que as variáveis selecionadas nestes métodos também proporcionaram boas estimativas de densidade básica da madeira. Palavras-chave: Random forest, algoritmo de Garson, Redes Neurais Artificiais, madeira, mensuração florestal.por
dcterms.creatorLOPES, I. L. E.
dcterms.formatapplication/pdfpor
dcterms.issued2018-02-28
dcterms.subjectDensidade da madeirapor
dcterms.subjectFlorestas-Mediçãopor
dcterms.subjectRedes neurais (comppor
dc.publisher.countryBRpor
dc.publisher.programPrograma de Pós-Graduação em Ciências Florestaispor
dc.publisher.initialsUFESpor
dc.publisher.courseMestrado em Ciências Florestaispor
dc.contributor.advisor-coVIDAURRE, G. B.
Aparece nas coleções:PPGCF - Dissertações de Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_11767_Dissertação ISÁIRA 2017-Final.pdf1.97 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.