Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/29069
Registro completo de metadados
Campo DCValorIdioma
dc.creatorIsaac Júnior, Marcos Antônio-
dc.date.accessioned2018-04-19T16:21:22Z-
dc.date.available2018-04-19T16:21:22Z-
dc.date.issued2018-04-17-
dc.date.submitted2018-03-09-
dc.identifier.citationISAAC JÚNIOR, M. A. Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais. 2018. 81 p. Tese (Doutorado em Engenharia Florestal)-Universidade Federal de Lavras, Lavras, 2018.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/29069-
dc.description.abstractA 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.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.subjectInteligência computacionalpt_BR
dc.subjectModelos não lineares mistospt_BR
dc.subjectSólido de revoluçãopt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectComputational intelligencept_BR
dc.subjectNonlinear mixed modelspt_BR
dc.subjectArtificial neural networkspt_BR
dc.titleModelo misto e rede neural artificial para estimativas dendrométricas de árvores individuaispt_BR
dc.title.alternativeMixed model and artificial neural network for dendrometric estimates of individual treespt_BR
dc.typetesept_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Florestalpt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Calegario, Natalino-
dc.contributor.referee1Acerbi Júnior, Fausto Weimar-
dc.contributor.referee2Trugilho, Paulo Fernando-
dc.contributor.referee3Barbosa, Bruno Henrique Groenner-
dc.contributor.referee4Mendonça, Adriano Ribeiro de-
dc.description.resumoA 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.pt_BR
dc.publisher.departmentDepartamento de Ciências Florestaispt_BR
dc.subject.cnpqRecursos Florestais e Engenharia Florestalpt_BR
dc.creator.Latteshttp://lattes.cnpq.br/6525239951316540pt_BR
Aparece nas coleções:Engenharia Florestal - Doutorado (Teses)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE_Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais.pdf1,71 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.