• Entrar
    Ver item 
    •   Página inicial
    • BIBLIOTECA DIGITAL: Trabalhos de Especialização
    • Ciências Agrárias
    • MBA em manejo florestal de precisão
    • Ver item
    •   Página inicial
    • BIBLIOTECA DIGITAL: Trabalhos de Especialização
    • Ciências Agrárias
    • MBA em manejo florestal de precisão
    • Ver item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Utilização de inteligência artificial na estimativa da produtividade de Harvester no corte raso de Pinus taeda em sistema full-tree e Eucalyptus spp em sistema Cut-to-Length

    Thumbnail
    Visualizar/Abrir
    R - E - ALEXANDRE BAUMEL DOS SANTOS 417516.pdf (2.156Mb)
    Data
    2022
    Autor
    Santos, Alexandre Baumel dos, 1996-
    Metadata
    Mostrar registro completo
    Resumo
    Resumo : O presente estudo tem como objetivo tratar sobre a modelagem da produtividade de Harvester processador em sistema Full-tree em colheita de Pinus taeda, e Harvester derrubador-processador em sistema Cut-to-Length em colheita de Eucalyptus dunni e Eucalyptus benthamii, através da aplicação de técnicas de inteligência artificial em comparação com métodos de regressão, utilizando volume individual e comprimento das toras como preditores. Os bancos de dados pertencem a um estudo de tempos e movimentos ao nível de turno, advindos de uma empresa florestal localizada na cidade de Otacílio Costa – SC. As técnicas de inteligência artificial avaliadas foram Redes Neurais Artificiais, Máquina de Vetor de suporte e Random Forests, que foram comparadas às metodologias de Regressão Linear Múltipla e Regressão Linear por Stepwise, as quais foram avaliadas quanto o desempenho estatístico dos resultados das estimativas. Assim, foi calculada a produtividade por hora máquina produtiva dos ??????) equipamentos ??), e calculada as estatísticas descritivas desta e das variáveis independentes. Nas técnicas de regressão, foi aplicado o teste de normalidade de Kolgomorov – Smirnov, em nível de 5% de significância, que constatou a ausência de normalidade em ambas as máquinas monitoradas para a produtividade, necessitando então de transformação matemática. No aprendizado das técnicas de Machine Learning, foram testadas diferentes técnicas de separação da base de dados em treino e validação (hold-out e cross-validation), além de diferentes configurações dos sistema FT, as Redes Neurais apresentaram melhores resultados dos indicadores de qualidade e acurácia estatística na estimação da produtividade, em contrapartida no sistema CTL, a Regressão Linear por Stepwise obteve melhor desempenho no ajuste da variável de interesse do equipamento estudado, indicando um potencial do uso da Inteligência Artificial na modelagem de variáveis das Operações Florestais, bem como a validação da Regressão Linear como uma ferramenta sólida para a esta finalidade.
    URI
    https://hdl.handle.net/1884/77298
    Collections
    • MBA em manejo florestal de precisão [62]

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV
     

     

    Navegar

    Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosTipoEsta coleçãoPor data do documentoAutoresTítulosAssuntosTipo

    Minha conta

    EntrarCadastro

    Estatística

    Ver as estatísticas de uso

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV