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 | Behling, Alexandre, 1987- | - |
Autor(es): dc.contributor | Pelissari, Allan Libanio, 1987- | - |
Autor(es): dc.contributor | Ribeiro, Richard | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Agrárias. Programa de Pós-Graduação em Engenharia Florestal | - |
Autor(es): dc.creator | Martins, João Felipe Cardozo, 1993- | - |
Data de aceite: dc.date.accessioned | 2021-03-09T21:13:18Z | - |
Data de disponibilização: dc.date.available | 2021-03-09T21:13:18Z | - |
Data de envio: dc.date.issued | 2021-01-05 | - |
Data de envio: dc.date.issued | 2021-01-05 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/69192 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/69192 | - |
Descrição: dc.description | Orientador: Prof. Dr. Alexandre Behling | - |
Descrição: dc.description | Coorientador: Prof. Dr. Allan Libanio Pelissari e Prof. Dr. Richardson Ribeiro | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Florestais, Programa de Pós-Graduação em Engenharia Florestal. Defesa : Curitiba, 21/02/2020 | - |
Descrição: dc.description | Inclui referências: p. 124-142 | - |
Descrição: dc.description | Área de concentração: Manejo Florestal | - |
Descrição: dc.description | Resumo: O contexto deste trabalho visa modelar a biomassa total de árvores por meio de técnicas de aprendizagem de máquina utilizando a linguagem de programaçãoJulia. A importância em quantificar a biomassa nas árvores está associada aos cenários de fixação de carbono, ciclagem de nutrientes, fins energéticos e também para avaliação do crescimento da floresta; contudoquantificar a biomassa de uma floresta é um desafio para os profissionais da área florestal, dada as dificuldades em mensurar essa variável. Usualmente, a biomassa é estimada por meio de equações de regressão, mas outras técnicas têm sido empregadas com objetivo de obter estimadores mais acurados, entre elas, técnicas de aprendizado de máquina. Nessa direção, foram propostos os seguintes objetivos: i) Aplicar e avaliar técnicas e algoritmos de aprendizagem de máquina: redes neurais artificiais, máquinas de vetores de suporte, florestas aleatórias e k-vizinhos mais próximos na modelagem de biomassa da espécie acácia-negra; ii) Comparar o melhor resultado de aprendizagem de máquina com equações de regressão, considerada como a técnica testemunha; e iii) realizar as modelagens utilizando a linguagem de programaçãoJulia. Para tanto, foram utilizadas duas bases de dados da espécie acácia-negra, uma para treinamento composta por 670 árvores e outra para validação com 96 árvores. Na modelagem, a biomassa foi tratada como a variável dependente, sendo que o diâmetro à altura do peito, a altura total e a idade foram as variáveis independentes. Floresta aleatória foi a melhor técnica de aprendizagem de máquina para modelar a biomassa de árvores de acácia-negra. Essa técnica também apresentou maior capacidade para estimar a biomassa de árvores para novos dados, quando comparado com as equações de regressão, portanto, é recomendada. Outra contribuição desse trabalho foi explorar a linguagem de programação Julia, demostrando seu potencial em problemas da Ciência Florestal. Palavras-chave:ciência de dados; linguagens de programação; floresta aleatória; análise de regressão; acácia-negra. | - |
Descrição: dc.description | Abstract: The context of the present endeavor has the purpose of modeling Total Tree Biomass, by means of implementing Machine Learning Techniques, using the Programming Language referred to as, "Julia". The importance in quantifying Tree Biomass is associated with the following scenarios: carbon fixation, nutrient cycling, energy purposes and also for the evaluating of forest growth; however, achieving Forest Biomass Quantification is a challenge for professionals, who act in the realm of forestation, given the difficulties inherent in measuring this variable. Usually, Forest Biomass is estimated using regression related equations, but other techniques have come to the fore encumbering the minds of researchers, who have the goal of striving to obtain more accurate estimation techniques, among them being, Machine Learning techniques. In this regard, the following objectives have been proposed: i) implementing and evaluating techniques as well as Machine Learning algorithms: artificial neural networks, support vector machines, random forests and k-nearest neighbors, in the biomass modeling of the black acacia species; ii) Comparing Machine Learning best results with regression equations, which are considered as the baseline technique; and iii) Carrying out the modeling using the said Programming Language, Julia. Therefore; two databases have been used stemming from the black wattle species, one for training related purposes, consisting of 670 trees and another for validation purposes comprising 96 trees. In the modeling exercise, the Forest Biomass in question was treated as the dependent variable, while the Diameter at Breast Height (DBH), Total Height and Age were factored as the independent variables. The random forest was deemed as the best Machine Learning technique for the purposes of modeling the biomass of black wattle trees. The aforementioned technique also revealed a greater ability to ascertain the Tree Biomass for obtaining new data, when compared to regression related equation techniques and is; therefore, the recommended technique. Another contributing factor of this study was that it afforded exploration into the said Programming Language, Julia, by demonstrating the Former's potential for tackling the problems of Forest Science itself, having inherently high IT related costs, such as, in the case of implementing Machine Learning modeling techniques. Keywords: date science; programming languages; random forest; regression related analysis; black wattle | - |
Formato: dc.format | 142 p. : il. (algumas color.). | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Biomassa florestal | - |
Palavras-chave: dc.subject | Julia (Linguagem de programação de computador) | - |
Palavras-chave: dc.subject | Florestas - Métodos estatísticos | - |
Palavras-chave: dc.subject | Acacia | - |
Palavras-chave: dc.subject | Florestas - Medição | - |
Palavras-chave: dc.subject | Recursos Florestais e Engenharia Florestal | - |
Título: dc.title | Métodos de aprendizagem de máquina aplicados na modelagem de biomassa de árvores usando a linguagem de programação Julia | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
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: