PROGNOSE DA PRODUÇÃO FLORESTAL UTILIZANDO RANDOM FOREST E SISTEMAS NEURO- FUZZY

Resumo: A gestão de uma floresta plantada é direcionada a partir de informações obtidas do volume de madeira presente e futuro. Nesse sentido, modelos que geram estimativas precisas e confiáveis são essenciais no manejo florestal, visando a viabilidade econômica do empreendimento, bem como a utilização racional dos recursos naturais, o que faz das técnicas de inteligência artificial uma ferramenta bastante atrativa para ser utilizada nesse setor. Já que as mesmas, tem demonstrado em diversas áreas do conhecimento superioridade nas estimativas em relação aos modelos de regressão usuais. Assim, objetivo deste trabalho é avaliar o uso da técnica de Random Forest (RF) e sistemas neuro-fuzzy (SNF) empregados na prognose da produção florestal de povoamentos de eucalipto. Os dados utilizados serão provenientes de inventários florestais contínuos, conduzidos em povoamentos de clones de eucalipto, localizados no sul da Bahia. O processamento dos dados será realizado no software Matlab R2016a. Os dados serão divididos em 70% para o conjunto de treinamento e 30% para o conjunto de validação. Os algoritmos que serão usados no SNF para geração das regras são Subtractive clustering, Grid partition e FCM clustering. O algoritmo de treinamento será o híbrido e com o número de épocas variando de 10 a 100. As funções de pertinências associadas às variáveis de entradas serão todas do tipo gaussianas e a de saída será do tipo linear. As RF serão treinadas variando o número de árvores de 300 a 1.000, com um terço do número de variáveis independentes selecionadas para começar a divisão do nó e com o número mínimo de 5 folhas no final da divisão. Será ajustado também o modelo de Clutter para comparação com as estimativas por RF e SNF. Os ajustes serão avaliados pelas seguintes estatísticas: coeficiente de correlação, raiz quadrada do erro quadrático médio e o viés. Espera-se que os resultados encontrados sejam superiores aos do modelo de regressão e que essa pesquisa possa estimular os desenvolvimentos de trabalhos científicos no meio florestal.

Data de início: 01/03/2016
Prazo (meses): 24

Participantes:

Papelordem decrescente Nome
Aluno Mestrado JÉFERSON PEREIRA MARTINS SILVA
Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910