ESTIMATIVA DO AFILAMENTO DO FUSTE DE INDIVÍDUOS DE EUCALIPTO POR MEIO DE TÉCNICAS DE INTELIGÊNCIA ARTIFICAL

Abstract

Objetivou-se com este trabalho definir configurações acuradas de redes neurais artificiais (RNA) para estimar o afilamento do fuste de indivíduos de eucalipto com seis anos de idade. Foi realizada uma cubagem rigorosa em um povoamento comercial no município de Paragominas, mesorregião sudeste do Estado do Pará. Para maior precisão de cubagem, todos os clones foram separados em três classes diamétricas, sendo abatidas cinco árvores por classe, totalizando 60 árvores abatidas. Para o banco de dados foram treinadas 240 RNA no software Neuro versão 4.06. As RNA treinadas foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizado Resilient Propagation RPROP+, com diferentes funções de ativação e arquitetura, sendo estas avaliadas quanto o bias, raiz quadrada do erro médio, variância, erro padrão da estimativa e coeficiente de correlação.  As RNA com menor valor ponderado foram as 165, 202, 204, 203 e 177, as quais apresentaram função de ativação do tipo sigmoidal. O coeficiente de correlação apresentou valores maiores que 0,99 para o treinamento e 0,98 para a validação das RNA, nas RNA treinadas. As RNA não foram tendenciosas e possuem capacidade de estimar o taper do eucalipto com acurácia. A RNA 165, com arquitetura de 5-7-1 e função de ativação sigmoidal, foi a que apresentou melhores resultados.