Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/14938
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2016_TiagoAlvesDeAraujo_tcc.pdf878,1 kBAdobe PDFver/abrir
Título: Técnicas de modelagem florestal empregadas na estimativa volumétrica de eucalipto
Autor(es): Araújo, Tiago Alves de
Orientador(es): Pereira, Reginaldo Sérgio
Mota, Fabrícia Conceição Menez
Assunto: Eucalipto
Povoamento florestal
Eucalipto - produção volumétrica
Data de apresentação: 5-Set-2016
Data de publicação: 5-Out-2016
Referência: ARAÚJO, Tiago Alves de. Técnicas de modelagem florestal empregadas na estimativa volumétrica de eucalipto. 2016. 29 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Florestal)—Universidade de Brasília, Brasília, 2016.
Resumo: O objetivo do presente trabalho foi estimar a produção volumétrica de um hibrido clonal de Eucalyptus grandis x urophylla por meio de modelos volumétricos tradicionais e com a utilização de RNA. Redes neurais artificiais do tipo MultilayerPerceptron com algoritmo backpropagation e função de ativação logística usando o diâmetro e a altura total da árvore como variáveis preditoras conseguem estimar de maneira precisa o volume de um hibrido de Eucalyptus grandis x urophylla com 23 meses de idade. O modelo de Schumacher e Hall foi o que melhor se ajustou para o presente trabalho na estimativa do volume, porém as redes neurais artificiais foram melhores do que os modelos convencionais.
Abstract: The objective of this study was to estimate the volume production of a hybrid clone of Eucalyptus grandis x urophylla through traditional volumetric models and the use of RNA. Artificial neural networks MultilayerPerceptron type with backpropagation algorithm and activation function logistics using the diameter and the total tree height as predictor variables can estimate accurately the volume of a hybrid of Eucalyptus grandis x urophylla with 23 months old. The model of Schumacher and Hall was the best fit for this study to estimate the volume, but the artificial neural networks were better than conventional models.
Informações adicionais: Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, 2016.
Aparece na Coleção:Engenharia Florestal



Este item está licenciado na Licença Creative Commons Creative Commons