Comparação entre redes neurais artificiais e comitê de redes na estimação do volume individual de árvores de Eucalyptus/ Artificial neural networks committee in the estimation of the individual volume of Eucalyptus trees

  • Daniel Dantas Universidade Federal de Lavras
  • Taiana Guimarães Arriel Universidade Federal de Lavras
  • Natalino Calegario Universidade Federal de Lavras
  • Wilian Soares Lacerda Universidade Federal de Lavras
Palavras-chave: Inteligência computacional, inventário florestal, volumetria, computational intelligence, modeling and prognosis, forest production.

Resumo

Com o avanço de programas computacionais e a difusão da Inteligência Computacional, as redes neurais artificiais (RNA) têm sido utilizadas como alternativa para a modelagem e prognose da produção florestal. Objetivou-se com este trabalho avaliar o desempenho de uma rede neural artificial e um comitê de redes neurais artificiais na estimação do volume individual de árvores de eucalipto. Foram utilizados dados de povoamentos de Eucalyptus spp., oriundos de nove clones, distribuídos em 28 talhões. As RNA foram obtidas por meio de dez sessões de treinamento e, em cada sessão, foi retida a melhor. As redes foram do tipo Multilayer Perceptron, com 1 camada oculta. O número de neurônios na camada oculta foi definido de forma automatizada pelo software Statisticae foi utilizado o algoritmo back propagation. A função de ativação utilizada foi a logística; taxa de aprendizagem de 0,001 e o termo de momentum 0,5. Como resultado, foi observado que a utilização do comitê conseguiu reduzir o erro relativo médio das dez RNA, que passou de, em média, 4,30% para 1,49%. As estimativas de volume obtidas pelo comitê de redes neurais artificiais apresentaram erro relativo médio inferior ao apresentado pelas estimativas de volume da melhor rede isolada, que foi de 1,73%. O comitê de RNA se mostra aplicável aos processos de estimação de volume individual de fustes, apresentando bom desempenho.

Abstract

 

With the advancement of computer programs and the diffusion of Computational Intelligence, artificial neural networks (ANNs) have been used as an alternative for the modeling and prognosis of forest production. The objective of this work was to evaluate the performance of an artificial neural network and a committee of artificial neural networks in the estimation of the individual Eucalyptus trees volume. Data from Eucalyptus spp. stands were used, from nine clones distributed in 28 plots. ANNs were obtained through ten training sessions and in each session was retained the best one. The networks were of the Multilayer Perceptron type, with 1 hidden layer. The number of neurons in the hidden layer was defined in an automated way by the Statistica software and the back propagation algorithm was used. The activation function used was logistics; learning rate of 0.001 and the term momentum 0.5. As a result, it was observed that the use of the committee managed to reduce the average relative error of the ten ANNs, which changed from an average of 4.30% to 1.49%. The volume estimates obtained by artificial neural networks committee presented an average relative error lower than that presented by the volume estimates for the best isolated network, which was 1.73%. The ANNs committee is shown to be applicable to the processes of estimation of individual volume of shafts, presenting good performance.

 

Downloads

Não há dados estatísticos.

Biografia do Autor

Daniel Dantas, Universidade Federal de Lavras
Engenheiro Florestal, Mestrando em Engenharia Florestal, Departamento de Ciências Florestais, Universidade Federal de Lavras (UFLA)
Taiana Guimarães Arriel, Universidade Federal de Lavras
Engenheira Florestal, Mestre em Ciência e Tecnologia da Madeira, Doutoranda em Ciência e Tecnologia da Madeira, Departamento de Ciências Florestais, Universidade Federal de Lavras (UFLA)
Natalino Calegario, Universidade Federal de Lavras
Engenheiro Florestal, PhD em Forest Science, Professor Associado, Departamento de Ciências Florestais, Universidade Federal de Lavras (UFLA)
Wilian Soares Lacerda, Universidade Federal de Lavras
Engenheiro Elétrico, Doutor em Engenharia Elétrica, Professor Associado, Departamento de Ciência da Computação, Universidade Federal de Lavras (UFLA)

Referências

Bialoskorski Neto, S.; Nagano, M. S.; Moraes, M. B. C. 2006. Utilização de redes neurais artificiais para avaliação socioeconômica: uma aplicação em cooperativas. Revista de Administração 41: 59-68.
Bishop, C. M. 1995.Neural Networks for Pattern Recognition. Oxford University Press, NY, USA.

Binoti, M. L. M. S.; Binoti, D. H. B.; Leite, H. G. 2013. Aplicação de redes neurais artificiais para estimação da altura de povoamentos equiâneos de eucalipto. Revista Árvore 37: 639-645. Doi: http://dx.doi.org/10.1590/S0100-67622013000400007.

Binoti, D. H. B.; Binoti, M. L. M. S.; Leite, H. G. 2014.Configuração de redes neurais artificiais para estimação do volume de árvores. Brazilian Journal of Wood Science 05: 58-67. Doi: http://dx.doi.org/10.15210/cmad.v5i1.4067.

Braga, A. P.; Carvalho, A. P. L. F.; Ludemir, T. B. 2007. Redes neurais artificiais: teoria e aplicações. Rio de Janeiro: LTC.

Botelho, M. S. N.; Silva, V. B.; Arruda, L. S. Kuniyoshi, I. C.; Oliveira, L. L. R.; Oliveira, A. S. 2010.Caracterização da triagem auditiva neonatal da Clínica Limiar em Porto Velho, Rondônia. Brazilian Journal of Otorhinolaryngology 76: 605-610. Doi: http://dx.doi.org/10.1590/S1808-86942010000500012.

Campos, J. C. C.; Leite, H. G. 2009. Mensuração florestal: perguntas e respostas. 3. ed. Viçosa: UFV.

Choudhury, T. A.; Hosseinzadeh, N.; Berndt, C. C. 2012. Improving the generalization ability of an artificial neural network in predicting in flight particle characteristics of an atmospheric plasma spray process. Journal of Thermal Spray Technology 21: 935-949. Doi: https://doi.org/10.1007/s11666-012-9775-9.

Cordeiro, M. A.; Oliveira, T. F.; Madruga, M. R.; Silveira, A. M. 2015. Estimativa do volume de Acaciamangium utilizando técnicas de redes neurais artificiais e máquinas vetor de suporte. Pesquisa Florestal Brasileira 35: 255–261. Doi: https://doi.org/10.4336/2015.pfb.35.83.596.

Graybill, F. A. 1976.Theory and application of the linear model. Belmont, USA: Duxbury Press.

Leal, F. A.; Miguel, E. P.; Matricardi, E. A. T.; Pereira, R. S. 2015. Redes neurais artificiais na estimativa de volume em um plantio de eucalipto em função de fotografias hemisféricas e número de árvores. Revista Brasileira de Biometria 33: 233-249.

Leite, H. G.; Andrade, V. C. L. 2002. Um método para condução de inventários florestais sem o uso de equações volumétricas. Revista Árvore 26: 321-328. Doi: http://dx.doi.org/10.1590/S0100-67622002000300007.

Nascimento, D. S. C.; Coelho, A. L. V. 2009. Bagging heterogêneo evolutivo: caracterização e análise comparativa com ensembles homogêneas de redes neurais RBF. Anais do IX Simpósio Brasileiro de Automação Inteligente. São Paulo 6.

Oliveira, R. C.; Azevedo, N. I. A.; Silva Neto, A.; Biondi Neto, L. 2010. Aplicação de um comitê de redes neurais artificiais para a solução de problemas inversos em Transferência Radiativa. Trends in Applied and Computational Mathematics 11: 171-182.

Ozsahin, S.; Murat, M. 2018.Prediction of equilibrium moisture content and specific gravity of heat treated wood by artificial neural networks. European Journal of Wood and Wood Products 76: 563–572.Doi: https://doi.org/10.1007/s00107-017-1219-2.

Santos, W. P.; Souza, R. E., Silva, A. F. D., Portela, N. M., Santos Filho, P. B. 2006. Análise multiespectral de imagens cerebrais de ressonância magnética ponderadas em difusão usando lógica nebulosa e redes neurais para avaliação de danos causados pela doença de Alzheimer. In: Anais do XI Congresso Brasileiro de Física Médica.

Siipilehto, J. 2000. A comparison of two parameter prediction methods for stand structure in Finland. Silva Fennica 34: 331-349.

Silva, I. N.; Spatti, H. D.; Flauzino, R. A. 2010. Redes neurais artificiais: para engenharia e ciências aplicadas. São Paulo: Artliber.

Statsoft, INC. 2014. Statistica (data analysis software system), version 10. Disponível em: www.statsoft.com.
Publicado
2018-07-04
Seção
ARTIGOS ORIGINAIS

Most read articles by the same author(s)