Redes neurais artificiais e regressão na estimativa da altura em povoamento experimental misto e equiâneo

Abstract

O objetivo deste trabalho foi estimar a altura de um povoamento experimental misto através de redes neurais artificiais e regressão linear. O estudo foi realizado em um povoamento experimental misto e equiâneo localizado no município de Paragominas-PA. Nesse povoamento foi realizado o inventário de todas as árvores, no qual há duas espécies, uma delas é um clone de eucalipto e a outra é o Paricá. Foram ajustados oito modelos hipsométricos e treinadas 240 redes neurais artificiais (RNAs) com diferentes configurações. As variáveis de entrada das RNAs foram DAP, classe diamétrica e espécie. Selecionaram-se as melhores configurações RNAs e modelos hipsométricos com base no método de valor ponderado. A raiz quadrada do erro médio (RQME) apresentou melhores resultados nas RNAs do que nos modelos de regressão, denotando que os modelos de regressão possuem maior tendenciosidade. O bias foi satisfatório, denotando que o algoritmo é equilibrado e eficaz. Apesar dos altos valores de RQME, os modelos hipsométricos, assim como as RNAs obtiveram coeficiente de variação com baixa dispersão. Quanto ao coeficiente de correlação e ao R²aj.,nota-se que as RNAs foram superiores em relação aos modelos hipsométricos. Ao analisar graficamente os resíduos dos estimadores, nota-se que as RNAs apresentaram homocedasticidade entre os dados, diferentemente dos modelos hipsométricos. As redes neurais artificiais e os modelos de regressão são formas viáveis para estimar da altura de um povoamento misto e equiâneo. As RNAs mostraram-se mais acuradas na estimação da altura total do povoamento misto e equiâneo, sendo o uso de variáveis categóricas um dos grandes destaques dessa técnica.