Please use this identifier to cite or link to this item: http://repositorio.ufes.br/handle/10/7652
Title: ESTIMAÇÃO DE ALTURA, VOLUME E AFILAMENTO DE ÁRVORES DE EUCALIPTO UTILIZANDO MÁQUINA DE VETOR DE SUPORTE
metadata.dc.creator: SOUZA, L. A.
Keywords: 1;Eucalipto;2;Análise de regressão;3;Aprendizado de com
Issue Date: 21-Feb-2017
Publisher: Universidade Federal do Espírito Santo
Citation: SOUZA, L. A., ESTIMAÇÃO DE ALTURA, VOLUME E AFILAMENTO DE ÁRVORES DE EUCALIPTO UTILIZANDO MÁQUINA DE VETOR DE SUPORTE
Abstract: Diante de restrições no uso de florestas inequiâneas, o investimento em florestas equiâneas tem sido cada vez maior. Isso torna crescente o interesse em estudos buscando maximizar o rendimento em volume de madeira dessas florestas. O crescimento desse setor tem impulsionado a busca por métodos mais acurados na estimação de variáveis dendrométricas a fim de obter estimativas confiáveis a respeito do estoque volumétrico dos povoamentos florestais. Este trabalho teve como objetivo avaliar a exatidão da estimação da altura total, volume e afilamento do fuste de árvores de eucalipto, utilizando Máquina de Vetor de Suporte (MVS). Para a realização deste trabalho, foram utilizados dados provenientes de um povoamento de eucalipto. A base de dados foi dividida, aleatoriamente, em dois grupos: 70% para ajuste dos modelos de regressão e treinamento da MVS e 30% para validação. Foram ajustadas diferentes configurações de MVS e diferentes modelos de regressão. A avaliação dos modelos de regressão e das configurações da MVS foi baseada nas estatísticas: coeficiente de correlação, raiz quadrada do erro quadrático médio e viés. Com base nos resultados obtidos, foi observado que a MVS proporcionou maior exatidão nas estimativas da altura total, volume individual e afilamento do fuste em relação aos modelos clássicos de regressão utilizados. Palavras-chave: Modelos de Regressão, Aprendizagem de Máquinas, Variáveis Dendrométricas.
URI: http://repositorio.ufes.br/handle/10/7652
Appears in Collections:PPGCF - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
tese_10576_Dissertação LUANDSON 2017-Final.pdf37 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.