Banca de QUALIFICAÇÃO: ALEXANDRE CAMPELO DE CARVALHO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ALEXANDRE CAMPELO DE CARVALHO
DATA : 16/11/2022
HORA: 09:00
LOCAL: Video conferência
TÍTULO:

REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR NA ESTIMATIVA DO VOLUME DE OCO DE TRONCOS NA FLONA DE SARACÁ-TAQUERA, ESTADO DO PARÁ

PALAVRAS-CHAVES:

Mensuração florestal; Modelos matemáticos; linguagem de programação R; Redes Neurais Artificiais; Amazônia.

PÁGINAS: 29
RESUMO:

Um grande desafio para a ciência florestal é a estimativa do volume de oco nos troncos de árvores em pé. Pesquisas recentes realizadas na Amazônia brasileira têm revelado que mais da metade das árvores exploradas apresentam oco no tronco, com impacto no volume de madeira comercial. Em florestas públicas sob contratos de concessão, embora a ocorrência desse defeito seja expressiva, não há desconto dos ocos existentes nas toras no pagamento feito ao governo pelo volume explorado. A determinação do volume de ocos e seu desconto é, portanto, de grande interesse dos concessionários. A grande dificuldade na estimativa do volume de ocos em árvores em pé é a estimativa da altura ou comprimento do oco, devido ser impraticável determiná-la por métodos diretos em campo. O uso de modelos baseados em técnicas de aprendizado de máquina, um subcampo da inteligência artificial, pode constituir um método indireto potencial para encontrar modelos preditivos mais acurados para estimativa do volume de ocos em troncos de árvores comerciais frente aos modelos de regressão tradicional. Portanto, o objetivo desta pesquisa é estudar e comparar as abordagens de Regressão Linear Clássica (RLC) e Redes Neurais Artificiais (RNA) no ajuste de modelos para predizer o volume de oco em troncos de árvores comerciais na Floresta Nacional de Saracá-Taquera, Estado do Pará. Foram determinados os volumes dos troncos de 213 árvores. Os volumes dos ocos existentes nas toras foram calculados a partir da fórmula do tronco de cone, quando era possível medir os raios em ambas as extremidades das toras, e com a fórmula do cone, quando o oco não atingia a outra extremidade. A altura ou o comprimento do oco em árvores exploradas foi medida com o auxílio de uma vara graduada introduzida nos ocos dos troncos. Para modelar o volume dos ocos serão testados os modelos clássicos de equações de volume de troncos apresentados na literatura florestal por meio do método dos mínimos quadrados ordinários e por regressão não linear. Para estimar os volumes de ocos por meio do aprendizado de máquina, serão treinadas dez redes neurais artificiais (RNA). Cada rede terá dois neurônios na camada de entrada com as variáveis altura do fuste e diâmetro à altura do peito (DAP). Para fins de modelagem preditiva, o conjunto de dados original (n = 213) foi dividido em dados de treinamento (70%) e teste (30%), com uso do método Leave-One-Out Cross Validation (LOOCV) para avaliar o desempenho dos modelos durante o processo de aprendizado. Serão usadas RNAs do tipo Multilayer Perceptron (MLP), com algoritmo Resilient Propagation para aprendizado dos pesos, e função de ativação Sigmoidal. Os critérios de parada serão estabelecidos com base no erro médio e número de ciclos (erro de 1% e 30.000 ciclos). Para o treinamento e a avaliação das redes será utilizado o a linguagem de programação R, assim como para o ajuste dos modelos de regressão. Os critérios estatísticos para a avaliação da melhor modelo de regressão e da melhor RNA serão: maior coeficiente de determinação ajustado (R²aj), menor erro padrão da estimativa (Syx %); distribuição dos resíduos padronizados; Critério de informação de Akaike; para as RNA os seguintes indicadores serão usados: coeficiente de correlação (Rŷy), bias, raiz do erro quadrático médio relativo (rRMSE) e Estatística Prediction Residual Error Sum of Squares (PRESS). Espera-se, com este estudo, selecionar uma técnica segura, eficaz e com precisão aceitável, para estimar volumes de ocos em florestas tropicais da Amazônia, contribuindo, assim, para o avanço da ciência florestal e para melhorar a gestão de florestas públicas na região.

MEMBROS DA BANCA:
Presidente - 142.060.489-91 - JOSE NATALINO MACEDO SILVA - Oxford
Interno - 4143218 - JOAO OLEGARIO PEREIRA DE CARVALHO
Interno - 2411802 - RODRIGO GERONI MENDES NASCIMENTO
Externa à Instituição - GABRIELA CRISTINA COSTA SILVA - UFPA
Externo à Instituição - EDSON MARCOS LEAL SOARES RAMOS - UFPA