Redes neurais artificiais e regressão na estimativa da altura em povoamento experimental misto e equiâneo

O objetivo deste trabalho foi estimar a altura de um povoamento experimental misto atraves de redes neurais artificiais e regressao linear. O estudo foi realizado em um povoamento experimental misto e equiâneo localizado no municipio de Paragominas-PA. Nesse povoamento foi realizado o inventario de todas as arvores, no qual ha duas especies, uma delas e um clone de eucalipto e a outra e o Parica. Foram ajustados oito modelos hipsometricos e treinadas 240 redes neurais artificiais (RNAs) com diferentes configuracoes. As variaveis de entrada das RNAs foram DAP, classe diametrica e especie. Selecionaram-se as melhores configuracoes RNAs e modelos hipsometricos com base no metodo de valor ponderado. A raiz quadrada do erro medio (RQME) apresentou melhores resultados nas RNAs do que nos modelos de regressao, denotando que os modelos de regressao possuem maior tendenciosidade. O bias foi satisfatorio, denotando que o algoritmo e equilibrado e eficaz. Apesar dos altos valores de RQME, os modelos hipsometricos, assim como as RNAs obtiveram coeficiente de variacao com baixa dispersao. Quanto ao coeficiente de correlacao e ao R²aj.,nota-se que as RNAs foram superiores em relacao aos modelos hipsometricos. Ao analisar graficamente os residuos dos estimadores, nota-se que as RNAs apresentaram homocedasticidade entre os dados, diferentemente dos modelos hipsometricos. As redes neurais artificiais e os modelos de regressao sao formas viaveis para estimar da altura de um povoamento misto e equiâneo. As RNAs mostraram-se mais acuradas na estimacao da altura total do povoamento misto e equiâneo, sendo o uso de variaveis categoricas um dos grandes destaques dessa tecnica.