MODELAGEM DA DENSIDADE BÁSICA DA MADEIRA DE EUCALIPTO UTILIZANDO REDES NEURAIS ARTIFICIAIS
Nome: ANA CAROLINA BÔA
Tipo: Tese de doutorado
Data de publicação: 31/08/2018
Orientador:
Nome |
Papel |
|---|---|
| GRAZIELA BAPTISTA VIDAURRE | Co-orientador |
Banca:
| Nome |
Papel |
|---|---|
| ADAIR JOSÉ REGAZZI | Examinador Externo |
| GRAZIELA BAPTISTA VIDAURRE | Coorientador |
| JOSÉ LUIS LIMA | Examinador Externo |
| JOSÉ TARCÍSIO DA SILVA OLIVEIRA | Orientador |
| MAYRA LUIZA MARQUES DA SILVA | Examinador Interno |
Resumo: As indústrias brasileiras do setor florestal são destaques mundiais em produtividade e qualidade, e empregam um grande volume de matéria-prima para atender a demanda de seus processos. Além da quantidade, o setor exige materiais que atendam com qualidade seus processos e correspondam com a qualidade requerida de seus produtos finais. Entre as propriedades que caracterizam a madeira, a densidade básica é destacada como um importante parâmetro de qualidade, uma vez que está relacionada a diversos aspectos tecnológicos e econômicos. Deste modo, o objetivo deste trabalho foi aplicar modelagem por redes neurais artificiais na estimativa da densidade básica da madeira de eucalipto destinada à produção de celulose. Foram avaliadas 352 árvores de 18 clones do híbrido Eucalyptus grandis x Eucalyptus urophylla, com idades entre dois e oito anos, originados de plantios nos estados do Espírito Santo e Bahia. As variáveis quantitativas empregadas nas estimativas da densidade foram idade, DAP, volume, precipitação acumulada, temperatura e umidade relativa, adicionadas das variáveis qualitativas clone e região. A densidade da madeira foi estimada por meio de redes neurais artificiais (RNAs) e, para melhor desempenho, estimativas foram realizadas a partir de sete diferentes combinações das variáveis empregadas, sendo elas: COMP (dados completos), REG-1 (Aracruz-ES), REG-2 (São Mateus-ES), REG-3 (Bahia), CLAS-1 (árvores com 2 a 4 anos), CLAS-2 (árvores com 4 a 6 anos) e CLAS-3 (árvores com 6 a 8 anos). Foram também testados os desempenhos das funções de ativação logarítima hiperbólica e tangente hiperbólica e dos algoritmos de treinamento Levenberg-Marquardt e Resilient Propagation (RPROP+) da camada oculta das RNAs. Com base nas configurações da camada oculta, o algoritmo Levenberg-Marquardart apresentou melhor desempenho e tanto a função de ativação logarítmica quanto a hiperbólica apresentaram desempenho satisfatório. De modo geral, as redes neurais artificiais apresentaram bom desempenho na estimativa da densidade básica da madeira de eucalipto, e todas as combinações de variáveis empregadas na estimativa foram eficientes. Contudo, houve tendência de superestimação dos valores estimados. Especificar as regiões e as classes de idade permitiu que fossem alcançados melhores resultados, sendo observados resultados mais precisos na região Aracruz (REG-1) e para árvores com idade variando de quatro a seis anos (CLAS-2).
