@MASTERSTHESIS{ 2020:1625521776,
 	title = {Modelagem do crescimento e produção utilizando máquina de vetor de suporte e redes neurais artificiais},
 	year = {2020},
 	url = "http://tede.unicentro.br:8080/jspui/handle/jspui/1312",
 	abstract = "Este estudo teve por objetivo avaliar o desempenho de redes neurais artificiais
 (RNAs) e máquinas de vetor de suporte (MVS) na modelagem de variáveis
 dendrométricas em povoamentos de eucalipto. Os dados utilizados são oriundos de
 plantios comerciais não desbastados, localizados em quatro municípios localizados da
 mesorregião sul do estado do Amapá e foram disponibilizados pela empresa AmcelAmapá florestal e celulose S/A. São provenientes de parcelas permanentes, parcelas
 temporárias e inventário pré-corte, com idades variando entre 22 e 88 meses. Foram
 ajustados modelos hipsométricos, volumétricos e de crescimento e produção consagrados
 na literatura, e comparados com a técnica de máquina de vetor de suporte e de redes
 neurais artificiais. Para cada tipo de modelagem, os dados foram divididos aleatoriamente
 em dois grupos, 80% dos dados para ajuste/treinamento e 20% para
 validação/generalização dos mesmos. As mesmas variáveis dendrométricas utilizadas
 pelos modelos de regressão, foram utilizadas pelas MVS e RNA. Para o treinamento e
 generalização das máquinas de vetor de suporte (MVS), foram utilizadas quatro
 configurações, formadas a partir de duas funções de erro e duas funções de kernel. Para
 configuração, treinamento e generalização das RNAs, foi utilizado o software Neuro 4.0,
 no qual foram utilizadas configurações de redes do tipo Adaline (Adaptive Linear
 Element); Multilayer Perceptron (MLP) e Funções de Base Radial (Radial Basis
 Function-RBF). Antecedendo a modelagem do crescimento e produção, foi realizado o
 ajuste das curvas de sítio e a classificação da capacidade produtiva, pelo método da curvaguia. Para tal foram avaliados dois modelos não lineares e, em seguida foi avaliada a
 estabilidade das curvas de sítio nas parcelas que tiveram mais de três medições. Na
 modelagem do crescimento e produção, utilizou-se o índice de sítio estimado pela
 equação selecionada. A qualidade dos ajustes dos modelos de regressão, e das
 metodologias utilizando RNAs e MVS, foram avaliadas utilizando-se o coeficiente de
 correlação entre os valores observados e estimados (ryŷ), a raiz quadrada do erro médio,
 expresso em porcentagem da média (RMSE%), análise gráfica dos resíduos (Res%).
 Máquinas de vetor de suporte e redes neurais artificiais apresentaram bom desempenho
 nas estimativas de altura, volume individual e nas projeções de área basal e volume por
 hectare, demonstrando serem técnicas promissoras para aplicações na área de mensuração
 e manejo florestal.",
 	publisher = {Universidade Estadual do Centro-Oeste},
 	scholl = {Programa de Pós-Graduação em Ciências Florestais},
 	note = {Unicentro::Departamento de Ciências Florestais}
}