Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Modelagem da relação hipsométrica e do crescimento e produção utilizando aprendizagem de máquina e modelo de efeito misto
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1148172
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Calegário, Natalino | - |
| Autor(es): dc.contributor | Gomide, Lucas Rezende | - |
| Autor(es): dc.contributor | Lacerda, Wilian Soares | - |
| Autor(es): dc.contributor | Barbosa, Bruno Henrique Groenner | - |
| Autor(es): dc.contributor | Mendonça , Adriano Ribeiro de | - |
| Autor(es): dc.creator | Melo, Elliezer de Almeida | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:49:14Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:49:14Z | - |
| Data de envio: dc.date.issued | 2019-07-15 | - |
| Data de envio: dc.date.issued | 2019-07-15 | - |
| Data de envio: dc.date.issued | 2019-07-15 | - |
| Data de envio: dc.date.issued | 2019-03-14 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/35290 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1148172 | - |
| Descrição: dc.description | We developed this study based on forest inventory data collected from temporary and permanent plots. The objective was to model the hypsometric relationship, the growth, and the production of eucalyptus forests using traditional regression techniques, mixed modeling, and machine learning to obtain models capable of representing the reality of forest stands. We divided the study into three chapters. In the first chapter, we performed a literature review to support the development of the second and third chapters. The second chapter consisted of evaluating four nonlinear models for modeling the hypsometric relationship. We compared the traditional regression technique with the mixed modeling technique with the addition of covariates and heteroscedasticity modeling to obtain more accurate models. The use of nonlinear mixed models allowed us to reduce the standard error by approximately 60%. We decomposed the Gompertz model and included the clone, basal area, site, and age covariates to provide better accuracy, modeling the heteroscedasticity. The heteroscedasticity modeling allowed us to reduce the estimate of the residual standard error and percentage of approximately 55% when compared to the mixed effects model. For the second chapter, we aimed to analyze the performance of machine learning techniques (Artificial Neural Networks - ANN and Support Vector Machine - SVM) in the projection of the basal area and volume, comparing them to the traditional method of regression analysis using the Clutter model and variations thereof. The data derive from 2,550 permanent sample units of clonal stands of the Eucalyptus grandis x E. urophylla hybrid, comprising seven genetic materials. The machine learning methods to project the basal area provided good training and generalization skills. For the volumetric projection, the methods presented low generalization capacity. The estimates produced by the Clutter system and its variations were superior to the machine learning techniques. | - |
| Descrição: dc.description | O presente estudo foi desenvolvido a partir de dados de inventário florestal coletados em parcelas temporárias e permanentes. Objetivou-se modelar a relação hipsométrica, o crescimento e a produção das florestas de eucalipto, a partir das técnicas de regressão tradicional, modelagem mista e aprendizagem de máquinas, para a obtenção de modelos capazes de representar a realidade do povoamento florestal. O estudo foi dividido em três capítulos. No primeiro capítulo, realizou-se uma revisão de literatura com o intuito de embasar o desenvolvimento do segundo e terceiro capítulos. O segundo capítulo, constituiu-se na avaliação de quatro modelos não lineares para modelagem da relação hipsométrica. Comparou-se a técnica de regressão tradicional com a técnica de modelagem mista com a adição de covariantes e modelagem da heterocedasticidade, visando obter modelos com melhor acurácia. A utilização dos modelos não lineares mistos possibilitou uma redução do erro padrão em aproximadamente 60%. O modelo de Gompertz, por proporcionar melhor acurácia foi decomposto e incluíram-se as covariáveis clone, área basal, sítio e idade e modelou-se a heterocedasticidade. A modelagem da heterocedasticidade possibilitou uma redução na estimativa do erro padrão residual e percentual de, aproximadamente, 55%, quando comparado ao modelo de efeitos mistos. Para o segundo capítulo, objetivou-se analisar o desempenho de técnicas de aprendizagem de máquinas (Redes Neurais Artificiais - RNA e Máquina de Vetor de Suporte - MVS) na projeção da área basal e volume em comparação ao método tradicional de análise de regressão, utilizando o modelo de Clutter e variações deste. Os dados são provenientes de 2.550 unidades amostrais permanentes de povoamentos clonais do híbrido Eucalyptus grandis x E. urophylla, compreendendo sete materiais genéticos. Os métodos de aprendizagem de máquinas para projeção da área basal proporcionaram boa capacidade de treinamento e generalização. Para a projeção volumétrica, os métodos apresentaram baixa capacidade de generalização. As estimativas produzidas pelo sistema de Clutter e variações deste foram superiores às técnicas de aprendizagem de máquinas. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Florestal | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Ciências Florestais | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Modelos mistos | - |
| Palavras-chave: dc.subject | Modelagem da heterocedasticidade | - |
| Palavras-chave: dc.subject | Aprendizagem de máquinas | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Palavras-chave: dc.subject | Máquina de vetor de suporte | - |
| Palavras-chave: dc.subject | Modelo de Clutter | - |
| Palavras-chave: dc.subject | Mixed models | - |
| Palavras-chave: dc.subject | Heteroskedasticity modeling | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Support vector machine | - |
| Palavras-chave: dc.subject | Clutter model | - |
| Palavras-chave: dc.subject | Recursos Florestais e Engenharia Florestal | - |
| Título: dc.title | Modelagem da relação hipsométrica e do crescimento e produção utilizando aprendizagem de máquina e modelo de efeito misto | - |
| Título: dc.title | Modeling of the hypsometric relationship and growth and production using machine learning and a mixed effect model | - |
| Tipo de arquivo: dc.type | tese | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo