MODELO DE KOZAK E REDES NEURAIS ARTIFICIAIS NA ESTIMATIVA DO AFILAMENTO DO FUSTE DE EUCALIPTO

Abstract

As redes neurais artificiais (RNA) tornaram-se mais populares para a estimação e vem sendo úteis nas ciências florestais em razão de sua aptidão para aprendizagem, versatilidade em treinamentos e generalização, além do uso de variáveis qualitativas.  Diante disso, objetivou-se com este trabalho ajustar o modelo de afilamento do fuste proposto por Kozak et al. (1969), por regressão linear e comparar as estimativas obtidas com uma RNA. O estudo foi conduzido em um plantio de eucalipto localizado no município de Paragominas - PA, onde foram selecionados quatro clones de eucalipto com idade de seis anos, de maneira que se separou os indivíduos destes, em classes diamétricas para a realização da cubagem rigorosa, mensurando-se os diâmetros com casca nas posições de altura do solo de dois em dois metros até o diâmetro com casca igual a 4,0 cm. As RNA 43, 102, 77, 76 e 87 foram as que apresentaram melhores medidas de precisão do ajustamento, de modo que três destas possuíam função de ativação sigmoidal, enquanto que as demais foram do tipo tangente hiperbólica. As RNA treinadas proporcionaram acurácia ao estimar o afilamento do fuste pelo modelo Kozak et al. (1969), em relação à estimativa por regressão, capazes de utilização para este fim, onde a RNA 43 enquadrou-se melhor para este povoamento.