
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.creator | Dantas, Daniel | - |
| Autor(es): dc.creator | Calegario, Natalino | - |
| Autor(es): dc.creator | Acerbi Júnior, Fausto Weimar | - |
| Autor(es): dc.creator | Carvalho, Samuel de Pádua Chaves | - |
| Autor(es): dc.creator | Isaac Júnior, Marcos Antonio | - |
| Autor(es): dc.creator | Melo, Elliezer de Almeida | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:21:08Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:21:08Z | - |
| Data de envio: dc.date.issued | 2020-08-25 | - |
| Data de envio: dc.date.issued | 2020-08-25 | - |
| Data de envio: dc.date.issued | 2020-06 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/42646 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1159552 | - |
| Descrição: dc.description | Volumetric equations is one of the main tools for quantifying forest stand production, and is the basis for sustainable management of forest plantations. This study aimed to assess the quality of the volumetric estimation of Eucalyptus spp. trees using a mixed-effects model, artificial neural network (ANN) and support-vector machine (SVM). The database was derived from a forest stand located in the municipalities of Bom Jardim de Minas, Lima Duarte and Arantina in Minas Gerais state, Brazil. The volume of 818 trees was accurately estimated using Smalian’s Formula. The Schumacher and Hall model was fitted by fixed-effects regression and by including multilevel random effects. The mixed model was fitted by adopting 14 different structures for the variance and covariance matrix. The best structure was selected based on the Akaike Information Criterion, Maximum Likelihood Ratio Test and Vuong’s Closeness Test. The SVM and ANN training process considered diameter at breast height and total tree height to be the independent variables. The techniques performed satisfactorily in modeling, with homogeneous distributions and low dispersion of residuals. The quality analysis criteria indicated the superior performance of the mixed model with a Huynh-Feldt structure of the variance and covariance matrix, which showed a decrease in mean relative error from 13.52% to 2.80%, whereas machine learning techniques had error values of 6.77% (SVM) and 5.81% (ANN). This study confirms that although fixed-effects models are widely used in the Brazilian forest sector, there are more effective methods for modeling dendrometric variables. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | Cerne | - |
| Palavras-chave: dc.subject | Artificial intelligence | - |
| Palavras-chave: dc.subject | Artificial neural network | - |
| Palavras-chave: dc.subject | Forest Management | - |
| Palavras-chave: dc.subject | Schumacher and Hall Model | - |
| Palavras-chave: dc.subject | Support-vector machine | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Rede neural artificial | - |
| Palavras-chave: dc.subject | Gestão florestal | - |
| Palavras-chave: dc.subject | Modelo de Schumacher e Hall | - |
| Palavras-chave: dc.subject | Máquina de vetores de suporte | - |
| Título: dc.title | Multilevel nonlinear mixed-effects model and machine learning for predicting the volume of Eucalyptus spp. trees | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: