Redes neurais artificiais para estimar a densidade básica de madeiras do cerrado
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Artigo de periódico
Título alternativo
Artificial neural network to estimate the basic density of cerrado wood
Primeiro orientador
Membros da banca
Resumo
A densidade básica da madeira é uma propriedade importante, pois está relacionada ao produto final nos diversos usos que a madeira possui. Porém, sua determinação demanda tempo e custos, o que justifica o emprego de técnicas mais refinadas para a sua estimação, como as redes neurais artificias (RNA). Objetivou-se avaliar a utilização das RNA para estimar a densidade básica de espécies do cerrado sensu stricto com o uso do aparelho Pilodyn e variáveis dendrométricas. Para comparação dos resultados obtidos pelas RNA, foram ajustados modelos de regressão. A rede neural com melhor desempenho foi a que utilizou como variáveis de entrada a profundidade de penetração (Pilodyn), espécie e o DAP, apresentando valores de R² de 0,72 e com raiz do erro quadrado médio em porcentagem (RMSE%) de 5,69. Já o modelo de regressão apresentou valor de R² de 0,72 e RMSE% de 9,19. As redes neurais artificiais conseguem estimar a densidade básica da madeira de espécies do cerrado stricto sensu com resultados satisfatórios.
Abstract
The basic density of wood is an important property because it is related to the final product in the various uses of wood. However, its determination demands time and costs, which justifies the use of more refined techniques for its estimation, such as artificial neural networks (ANN). Our objective was to evaluate the use of artificial neural networks to estimate the basic density of species of cerrado stricto sensu with the use of Pilodyn and dendrometric variables. To compare the results obtained by ANN, regression models were adjusted. The best performing neural network was the one that used as input variables the depth of penetration (Pilodyn), species and diameter at 1.3 m above ground level, presenting R² = 0.72 and with root mean square error in percentage (RMSE%) = 5.69. The regression model presented R² = 0.72 and RMSE% = 9.19. The artificial neural networks can estimate the basic wood density of the studied species of cerrado stricto sensu with satisfactory results.
Assunto
Redes neurais (Computação), Inteligência artificial, Madeira - Densidade, Dendrometria
Palavras-chave
Citação
Departamento
Curso
Endereço externo
https://pfb.cnpf.embrapa.br/pfb/index.php/pfb/article/view/1656/825