Avaliação e seleção de variáveis preditoras na estimativa da densidade da madeira

Resumo: É fundamental o controle da qualidade da matéria-prima para que a mesma seja utilizada de modo otimizado para as diversas finalidades. A maioria dos estudos sobre qualidade da madeira utilizam densidade básica como característica mais relevante. Diante da variação da densidade básica em função de muitos fatores, torna-se necessário o conhecimento desses para estimação desta propriedade. Portanto, este trabalho tem como objetivo avaliar e selecionar variáveis preditoras para estimação da densidade básica da madeira de eucalipto. Serão utilizados dados de variáveis quantitativas e qualitativas obtidas de Inventário Florestal Contínuo (IFC) de um povoamento de Eucalyptus ssp. e informações climáticas da área em estudo. Esses dados serão submetidos a análise de componentes principais (Principal components analysis – PCA) para transformação das variáveis originais em componentes principais (CP) e redução de dimensionalidade. Esse procedimento será conduzido mediante a avaliação da influência de cada variável na composição dos componentes principais selecionados para predição da densidade básica. Posteriormente, será explorada a modelagem por meio de redes neurais artificiais (RNA). Será realizada uma comparação entre 6 cenários de modelagem. Os cenários analisados serão os seguintes: cenário 1 composto de variáveis do IFC e variáveis climáticas, cenário 2 formado apenas por variáveis quantitativas do Inventário Florestal Contínuo – IFC e o cenário 3 somente por variáveis climáticas. Já, em relação a aplicação da PCA serão avaliados três cenários: o cenário 4 composto pelas variáveis selecionadas pertencentes ao conjunto de dados com variáveis do IFC e variáveis climáticas, o cenário 5 composto pelas variáveis mais importantes do IFC e o cenário 6 com as variáveis climáticas mais representativas. Serão aplicadas RNAs do tipo Multilayer perceptron (MLP) com uma camada de entrada, uma camada oculta e uma camada de saída. Na camada oculta e de saída, serão testadas as funções de ativação, logística e tangente hiperbólica. Para o treinamento, serão aplicados os algoritmos Resilient Propagation e o “Levenberg-Marquardt”. A avaliação das estimativas será com base na correlação entre as densidades estimadas e observadas, raiz quadrada do erro quadrático médio percentual (RMSE%), viés, média das diferenças absolutas, gráficos de dispersão dos erros percentuais e os histogramas de frequência percentual dos erros percentuais. Com este estudo, espera-se que o emprego da análise de componentes principais seja viável, como técnica intermediária para modelagem e proporcione a obtenção de boas estimativas de densidade básica.

Data de início: 01/03/2016
Prazo (meses): 24

Participantes:

Papel	Nome
Aluno Mestrado	ISÁIRA LEITE E LOPES