Redes neurais artificiais e modelagem de efeitos mistos na descrição do perfil do fuste de Pinus taeda L.

Izabel Passos Bonete

Defesa Pública: 06 de junho de 2018

Banca Examinadora:

Prof. Dr. Rômulo Môra – UFMT – Primeiro Examinador
Prof. Dr. Cassius Tadeu Scarpin – UFPR – Segundo Examinador
Dr. Edilson Batista de Oliveira – EMBRAPA – Terceiro Examinador
Prof. Dr. Afonso Figueiredo Filho – UNICENTRO – Quarto Examinador
Prof. Dr. Julio Eduardo Arce – UFPR / UNICENTRO – Orientador e Presidente da Banca Examinadora

Resumo:

Redes neurais artificiais e modelagem de efeitos mistos na descrição do perfil do fuste de Pinus taeda L. Este estudo teve por objetivo comparar o desempenho das Redes Neurais Artificiais (RNAs) em relação às funções de afilamento com aplicação da modelagem de efeitos mistos multiníveis, para descrição do perfil do fuste de Pinus taeda L. Para tanto, foram utilizados dados amostrais de 246 árvores, coletados na região de Telêmaco Borba, Paraná, Brasil, dos quais foram selecionados, aleatoriamente, 80% para o ajuste dos modelos e treinamento das redes neurais e, 20% para validação das equações e generalização das redes. Foram ajustadas 15 funções de afilamento, sendo cinco modelos do tipo não segmentados (NS), dois modelos do tipo segmentados (S) e oito modelos de forma variável (FV). Para o ajuste dos modelos, foi utilizada a técnica de regressão não linear (nls) de efeito fixo e, após a seleção da equação de melhor desempenho para estimativas de diâmetros ao longo do fuste, foi aplicada a modelagem não linear de efeitos mistos (nlme), em dois níveis, utilizando o fator classe de idade (ci) e classe de DAP (cd), para estimativas de diâmetros ao longo do fuste, bem como de diâmetros com estratificação do fuste em três seções (basal, mediana e apical) e estimativas de volumes parciais para as mesmas estratificações. Para as estimativas de volumes foi empregado o processo de integração numérica. Os ajustes foram realizados por meio das funções nls e nlme do software R. As equações selecionadas, de efeito fixo e efeito misto, foram comparadas com RNAs, geradas no software Neuro 4.0, em dois cenários, um para comparação com a equação de efeito fixo, e outro, para comparação com as equações de efeito misto selecionadas. Os modelos foram classificados conforme critérios estatísticos e análise gráfica de resíduos. As metodologias testadas mostraram-se eficientes para atingir os objetivos propostos. As equações de afilamento FV ajustadas por nls foram mais acuradas que as equações do tipo NS e S e, dentre as equações de afilamento FV, a equação de Bi (2000), apresentou melhor desempenho para estimativas de diâmetros sem estratificação do fuste. A aplicação da técnica nlme na equação de Bi (2000) aumentou a acurácia das estimativas dos diâmetros e volumes parciais para Pinus taeda, em relação ao ajuste realizado pela técnica nls. As RNAs apresentaram resultados satisfatórios, indicando serem adequadas e acuradas para as estimativas propostas. Na comparação das RNAs com a equação de efeito fixo de Bi, as redes apresentaram melhor desempenho em todas as estimativas propostas, para diâmetros e volumes. Na comparação das RNAs com as variações da equação de Bi de efeito misto, para estimativas de diâmetros, as redes apresentaram desempenho semelhante na estimação da variável diâmetro para o tronco inteiro e para a porção basal do fuste, entretanto, para a porção mediana e apical, as redes apresentaram critérios estatísticos superiores em relação à regressão por nlme. Para as estimativas de volumes parciais, as redes foram mais eficientes e adequadas que as variações da equação de Bi de efeito misto, ajustadas por nlme, para as três porções do fuste, em especial, para porção mediana e superior, em que apresentaram maior acuracidade.