
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 | Binoti, Mayra Luiza Marques da Silva | - |
| Autor(es): dc.creator | Leite, Helio Garcia | - |
| Autor(es): dc.creator | Binoti, Daniel Henrique Breda | - |
| Autor(es): dc.creator | Gleriani, José Marinaldo | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:50:19Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:50:19Z | - |
| Data de envio: dc.date.issued | 2016-04-07 | - |
| Data de envio: dc.date.issued | 2017-08-01 | - |
| Data de envio: dc.date.issued | 2017-08-01 | - |
| Data de envio: dc.date.issued | 2017-08-01 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/14200 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1169252 | - |
| Descrição: dc.description | The objective of this study was to train, implement and evaluate the efficiency of artificial neural networks (ANN) to perform production prognosis of even-aged stands of eucalyptus clones. The data used were from plantations located in southern Bahia, totaling about 2,000 acres of forest. Numeric variables, such as age, basal area, volume and categorical variables, such as soil class texture, spacing, land relief, project and clone were used. The data were randomly divided into two groups: training (80%) and generalization (20%). Three types of networks were trained: perceptron, multilayer perceptron networks and radial basis function. The RNA that showed the best performance in training and generalization were selected to perform the prognosis with data from the first forest inventory. We conclude that the RNA had satisfactory results, showing the potential and applicability of the technique in solving measurement and forest management problems. | - |
| Descrição: dc.description | Objetivou-se, neste estudo, treinar, aplicar e avaliar a eficiência de redes neurais artificiais (RNA) para realizar a prognose da produção de povoamentos equiâneos de clones de eucalipto. Os dados utilizados foram provenientes de povoamentos localizados no sul da Bahia, totalizando cerca de 2.000 hectares de floresta. Foram utilizadas variáveis numéricas, como: idade, área basal, volume e variáveis categóricas, como classe de solo, textura, tipos de espaçamento, relevo, projeto e clone. Os dados foram divididos aleatoriamente em dois grupos: treinamento (80%) e generalização (20%). Foram treinadas redes de três tipos: perceptron, perceptron de múltiplas camadas e redes de função de base radial. As RNA que apresentaram os melhores desempenhos no treinamento e generalização foram selecionadas para realizar a prognose com dados, a partir do primeiro inventário florestal. Conclui-se que as RNA apresentaram resultados satisfatórios, comprovando o potencial e aplicabilidade da técnica na solução dos problemas de mensuração e manejo florestal. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Publicador: dc.publisher | Universidade Federal de Lavras (UFLA) | - |
| Relação: dc.relation | http://www.cerne.ufla.br/site/index.php/CERNE/article/view/1044/815 | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | 2317-6342 | - |
| ???dc.source???: dc.source | 0104-7760 | - |
| Palavras-chave: dc.subject | Modelagem do crescimento | - |
| Palavras-chave: dc.subject | Modelagem de produção florestal | - |
| Palavras-chave: dc.subject | Aproximação de funções | - |
| Palavras-chave: dc.subject | Povoamentos não desbastados | - |
| Palavras-chave: dc.subject | Modeling forest growth | - |
| Palavras-chave: dc.subject | Modeling forest yield | - |
| Palavras-chave: dc.subject | Approximation of functions | - |
| Palavras-chave: dc.subject | Unthinned stands | - |
| Título: dc.title | Prognose em nível de povoamento de clones de eucalipto empregando redes neurais artificiais | - |
| Título: dc.title | Stand-level prognosis of eucalyptus clones using artificial neural networks | - |
| Tipo de arquivo: dc.type | info:eu-repo/semantics/article | - |
| Tipo de arquivo: dc.type | info:eu-repo/semantics/publishedVersion | - |
| 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: