
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Almeida, Rodrigo Oliveira | - |
| Autor(es): dc.creator | Munis, Rafaele Almeida | - |
| Autor(es): dc.creator | Camargo, Diego Aparecido | - |
| Autor(es): dc.creator | da Silva, Thamires | - |
| Autor(es): dc.creator | Sasso Júnior, Valier Augusto | - |
| Autor(es): dc.creator | Simões, Danilo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:24:06Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:24:06Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2022-10-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/f13101737 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/246179 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/246179 | - |
| Descrição: dc.description | Among the activities that burden capital in the supply chain of forest-based industries, the activity of road transport of wood deserves to be highlighted. Machine learning techniques are applied the knowledge extracted from real data, and support strategies that aim to maximize the resources destined for it. Based on variables inherent to the wood transport activity, we verified whether machine learning models can act as predictors of the volume of wood to be transported and support strategic decision-making. The database came from companies in the pulp and paper segments, which totaled 26,761 data instances. After the data wrangling process, machine learning algorithms were used to build models, which were optimized from the hyperparameter adjustment and selected to compose the blended learning hierarchy. In addition to belonging to different methodological basis, a CatBoost Regressor, Decision Tree Regressor, and K Neighbors Regressor were selected mainly for providing minimal values to errors metrics and maximal values to determination coefficient. The learning by stack stands out, with a coefficient of determination of 0.70 and an average absolute percentage error of 6% in the estimation of the volume of wood to be transported. Based on variables inherent to the wood transport process, we verified that machine learning models can act in the prediction of the volume of wood to be transported and support strategic decision-making. | - |
| Descrição: dc.description | Department of Forest Science Soils and Environment School of Agriculture São Paulo State University (UNESP) | - |
| Descrição: dc.description | Department of Forest Science Soils and Environment School of Agriculture São Paulo State University (UNESP) | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Forests | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | decision making | - |
| Palavras-chave: dc.subject | Eucalyptus | - |
| Palavras-chave: dc.subject | forest planning | - |
| Palavras-chave: dc.subject | machine learning | - |
| Palavras-chave: dc.subject | planted forests | - |
| Palavras-chave: dc.subject | prediction model | - |
| Título: dc.title | Prediction of Road Transport of Wood in Uruguay: Approach with Machine Learning | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: