Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCalegario, Natalino-
Autor(es): dc.contributorAcerbi Júnior, Fausto Weimar-
Autor(es): dc.contributorTrugilho, Paulo Fernando-
Autor(es): dc.contributorBarbosa, Bruno Henrique Groenner-
Autor(es): dc.contributorMendonça, Adriano Ribeiro de-
Autor(es): dc.creatorIsaac Júnior, Marcos Antônio-
Data de aceite: dc.date.accessioned2026-02-09T11:53:41Z-
Data de disponibilização: dc.date.available2026-02-09T11:53:41Z-
Data de envio: dc.date.issued2018-04-19-
Data de envio: dc.date.issued2018-04-19-
Data de envio: dc.date.issued2018-04-17-
Data de envio: dc.date.issued2018-03-09-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/29069-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1149798-
Descrição: dc.descriptionA carência de hardwares e softwares com alta capacidade de processamento era uma limitação para os ajustes de modelos de regressão mais complexos e inteligência computacional. Atualmente, é possível realizar esses ajustes e, com o passar dos anos, vem crescendo o uso de modelos não lineares mistos e redes neurais artificiais nas diversas áreas do conhecimento. Com o emprego desses novos métodos, é possível uma melhoria da exatidão das estimativas das variáveis florestais, auxiliando nas tomadas de decisão para o planejamento florestal. No primeiro artigo deste estudo foi feita uma revisão de literatura para compreender melhor estes métodos e a sua importância para a obtenção de melhores resultados. O segundo artigo utilizou a técnica de modelos não lineares mistos em multinível, com o objetivo de explicar a variação da altura de árvores individuais, em função de variáveis das árvores e do povoamento, e avaliar a qualidade dos ajustes para obtenção de sortimentos florestais. Por último, no artigo 3, fez-se uso das Redes Neurais Artificias e procurou -se demonstrar que as mesmas podem ser tratadas como modelos de regressão, sendo possível recuperar seus parâmetros, obter um modelo e estimar o volume do fuste por meio da integração da estimativa da altura em função do raio. Provou-se que é possível usar os dois métodos para melhorar as estimativas das variáveis florestais.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionA carência de hardwares e softwares com alta capacidade de processamento era uma limitação para os ajustes de modelos de regressão mais complexos e inteligência computacional. Atualmente, é possível realizar esses ajustes e, com o passar dos anos, vem crescendo o uso de modelos não lineares mistos e redes neurais artificiais nas diversas áreas do conhecimento. Com o emprego desses novos métodos, é possível uma melhoria da exatidão das estimativas das variáveis florestais, auxiliando nas tomadas de decisão para o planejamento florestal. No primeiro artigo deste estudo foi feita uma revisão de literatura para compreender melhor estes métodos e a sua importância para a obtenção de melhores resultados. O segundo artigo utilizou a técnica de modelos não lineares mistos em multinível, com o objetivo de explicar a variação da altura de árvores individuais, em função de variáveis das árvores e do povoamento, e avaliar a qualidade dos ajustes para obtenção de sortimentos florestais. Por último, no artigo 3, fez-se uso das Redes Neurais Artificias e procurou -se demonstrar que as mesmas podem ser tratadas como modelos de regressão, sendo possível recuperar seus parâmetros, obter um modelo e estimar o volume do fuste por meio da integração da estimativa da altura em função do raio. Provou-se que é possível usar os dois métodos para melhorar as estimativas das variáveis florestais.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Florestal-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherDepartamento de Ciências Florestais-
Direitos: dc.rightsacesso aberto-
Palavras-chave: dc.subjectInteligência computacional-
Palavras-chave: dc.subjectModelos não lineares mistos-
Palavras-chave: dc.subjectSólido de revolução-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectComputational intelligence-
Palavras-chave: dc.subjectNonlinear mixed models-
Palavras-chave: dc.subjectArtificial neural networks-
Palavras-chave: dc.subjectRecursos Florestais e Engenharia Florestal-
Título: dc.titleModelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais-
Título: dc.titleMixed model and artificial neural network for dendrometric estimates of individual trees-
Tipo de arquivo: dc.typetese-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.