Algoritmos híbridos aplicados a biometria florestal

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGomide, Lucas Rezende-
Autor(es): dc.contributorGomide, Lucas Rezende-
Autor(es): dc.contributorSilva, Sérgio Henrique Godinho-
Autor(es): dc.contributorBehling, Alexandre-
Autor(es): dc.creatorAraújo, Laís Almeida-
Data de aceite: dc.date.accessioned2026-02-09T12:40:27Z-
Data de disponibilização: dc.date.available2026-02-09T12:40:27Z-
Data de envio: dc.date.issued2021-01-20-
Data de envio: dc.date.issued2021-01-20-
Data de envio: dc.date.issued2021-01-20-
Data de envio: dc.date.issued2020-02-28-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/46061-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1166019-
Descrição: dc.descriptionUnderstanding and quantifying the growth of trees are very important for providing available information, in order to enable an adequate management of forest resources. Thus, modeling has becoming an important tool, because it has the ability to synthesize knowledge, identify gaps, design and predict behavior according to different conditions. In this context, many techniques are used, highlighting computational intelligence with great growth in the forest sector and good results. As an example, we have the Random Forest, Simulated Annealing and Genetic Algorithm. In this dissertation, these algorithms were applied in different situations for native and planted forests. The first article had as main objective to evaluate the efficiency of the genetic algorithm and Simulated Annealing in the prediction of parameters of the Weibull function of 2 parameters. From the results it was concluded that the tested methods are consistent and stable, surpassing the classic methods regardless of silvicultural regimes involving thinning evaluated. The second article approach the selection of variables and modeling of the above-ground carbon stock, at tree level, of native vegetation, through the construction of a hybrid method involving the Simulated Annealing and Random forest. The results obtained indicated that the hybrid method was efficient, since it managed to reduce the number of variables (less than 16 variable) and identify those that contribute most to explain the carbon stock, in addition to reducing the error of the estimates. In general, the ability to apply the machine learning technique was observed in the cases evaluated.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptioncompreensão e quantificação do crescimento das árvores são de suma importância para o fornecimento de informações confiáveis, a fim de possibilitar uma gestão adequada dos recursos florestais. Assim, a modelagem vem se constituindo em uma importante ferramenta, pois tem a capacidade de sintetizar conhecimentos, identificar lacunas, projetar e predizer o comportamento de acordo com as diversas condições. Nesse contexto, muitas técnicas são utilizadas, destacando a inteligência computacional, com grande crescimento no setor florestal e alcançado bons resultados. Como exemplo têm-se o Random Forest, Simulated Annealing e Algoritmo Genético. Nessa dissertação esses algoritmos foram aplicados em diferentes situações para florestas equiâneas e inequiâneas. O primeiro artigo teve como objetivo principal avaliar a aplicabilidade das meta-heurísticas, algoritmo genético e Simulated Annealing na predição de parâmetros da função Weibull de 2 parâmetros. A partir dos resultados obtidos foi observado a adequação e o potencial das meta-heurísticas e concluiu-se que os métodos testados são consistentes e estáveis, superando os métodos clássicos independente dos regimes silviculturais envolvendo desbastes avaliados. O segundo artigo aborda a seleção de variáveis e modelagem do estoque de carbono acima do solo, em nível árvore, da vegetação nativa, por meio da construção de um método híbrido envolvendo o Simulated Annealing e Random forest. Os resultados obtidos indicaram que o método híbrido foi eficiente, visto que conseguiu diminuir o número de variáveis (menos de 16 variáveis) e identificar aquelas que mais contribuem para explicar o estoque de carbono, além de reduzir o erro das estimativas. De forma geral, foi observada a capacidade de aplicação da técnica de aprendizado de máquina nos casos avaliados.-
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.rightsrestrictAccess-
Palavras-chave: dc.subjectRelações alométricas-
Palavras-chave: dc.subjectManejo florestal-
Palavras-chave: dc.subjectInteligência computacional-
Palavras-chave: dc.subjectAllometric relations-
Palavras-chave: dc.subjectForest management-
Palavras-chave: dc.subjectComputational intelligence-
Palavras-chave: dc.subjectRecursos Florestais e Engenharia Florestal-
Título: dc.titleAlgoritmos híbridos aplicados a biometria florestal-
Título: dc.titleHybrid algorithms applied to forest biometry-
Tipo de arquivo: dc.typedissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.