predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais

Clicks: 101
ID: 196496
2017
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #38 of 52 articles by views in journal of ict research and applications

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
O objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em estimar a altura total de árvores de duas espécies em diferentes condições de crescimento. Para fins de comparação, também foi ajustado o modelo hipsométrico de Campos, aplicado por estrato, conforme o gênero, espécie, rotação, espaçamento e classe de idade das árvores. A avaliação das redes neurais artificiais e do modelo de Campos foi realizada com base no coeficiente de correlação entre as alturas observadas e estimadas, a raiz quadrada do erro quadrático médio percentual e de análises gráficas. Observou-se que a altura de árvores de diferentes espécies, em distintas condições de crescimento e locais, pode ser estimada utilizando uma única rede neural, com a mesma eficiência e exatidão normalmente obtida com o emprego de equações de regressão.
Reference Key
campos2017pesquisapredio Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Bráulio Pizziolo Furtado Campos;Gilson Fernandes da Silva;Daniel Henrique Breda Binoti;Adriano Ribeiro de Mendonça;Helio Garcia Leite
Journal journal of ict research and applications
Year 2017
DOI
10.4336/2016.pfb.36.88.1166
URL
http://pfb.cnpf.embrapa.br/pfb/index.php/pfb/article/view/1166
Keywords Keywords not found

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.