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

Abstract

As redes neurais artificiais (RNA) possuem grande potencial como alternativa à análise de regressão convencional, dada a capacidade de aprendizado de informações de um conjunto de dados e a generalização desse aprendizado para dados desconhecidos. Nesse sentido, o objetivo do presente trabalho foi utilizar RNAs para a estimativa do diâmetro relativo, volume total e comercial, bem como a comparação do desempenho em relação a funções de afilamento convencionais. Dados provenientes de 47 árvores de Eucalyptus sp. foram utilizados no treinamento e validação das RNAs e no ajuste das funções de afilamento de Hradetzky e Garay. O desempenho das RNAs foi muito semelhante ao das funções de afilamento na estimava do diâmetro relativo. As estimativas de volume total e comercial com RNAs se mostraram mais precisas e com menor dispersão dos resíduos que Hradetzky e Garay. RNAs se mostraram acuradas e adequadas para a estimativa de diâmetro relativo e volume.