Banca de QUALIFICAÇÃO: FABIANO RODRIGUES PEREIRA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: FABIANO RODRIGUES PEREIRA
DATA: 09/02/2023
HORA: 14:00
LOCAL: Defesa remota via Google Meet
TÍTULO:

USO DE APRENDIZAGEM DE MÁQUINAS E MODELAGEM MISTA EM DIFERENTES ETAPAS DA MENSURAÇÃO FLORESTAL

PALAVRAS-CHAVES:

Modelo misto, Rede neural artificial, Máquina de vetores de suporte, Modelagem florestal, Variáveis dendrométricas.

PÁGINAS: 51
GRANDE ÁREA: Ciências Agrárias
ÁREA: Recursos Florestais e Engenharia Florestal
RESUMO:

O conhecimento do volume de madeira em um plantio florestal é extremamente importante, dado o aumento da valorização da madeira e dos produtos florestais. Desse modo, a preocupação com o planejamento, ordenamento e a utilização da madeira exigem cada vez mais uma maior precisão. Além disso, as necessidades crescentes da predição dos multiprodutos das florestas têm corroborado para o emprego de diversas técnicas de modelagem para descrever o perfil dos fustes. Essas técnicas compreendem o uso de modelos mistos e o uso de aprendizagem de máquinas, tendo proporcionado ganhos de precisão. Dessa forma, este trabalho propõe avaliar, além de modelos clássicos de regressão locais e modelos genéricos, a aplicação de métodos alternativos, como Modelos Mistos, Redes Neurais Artificiais e Máquinas de Vetores de Suporte, em diferentes etapas da mensuração florestal (predição da altura e do volume e modelagem do afilamento do fuste). Além disso, serão testadas diferentes configurações dos métodos, a partir de medidas estatísticas de qualidade das predições, verificando se há ganho de precisão com o uso das técnicas propostas. Para a avaliação das predições realizadas pelos diferentes métodos, em cada etapa, e seleção dos melhores modelos, serão considerados os critérios: raiz do erro quadrático médio (RMSE), erro médio absoluto (MAE), coeficiente de correlação (ryŷ) entre os valores observados e estimados, gráficos e histogramas de distribuição de resíduos e gráficos de comparação entre valores observados e estimados. Todas as análises serão realizadas por meio da linguagem de programação R. Após as análises espera-se que a utilização de modelos mistos, por meio da inclusão das variáveis aleatórias e modelagem da matriz de variância e covariância possa fornecer aos modelos uma maior flexibilidade de aplicação. Além disso espera-se que a modelagem mista seja capaz modelar comportamentos que não estão explícitos nos dados e que a aplicação de técnicas de aprendizagem de máquinas nas etapas da mensuração possa trazer ganhos de precisão de modo a fornecer estimativas mais confiáveis para um planejamento mais seguro sobre o uso dos recursos florestais.

MEMBROS DA BANCA:
Interno - FAUSTO WEIMAR ACERBI JUNIOR (Suplente)
Interno - JOSE MARCIO DE MELLO (Membro)
Externo à Instituição - MARCELA DE CASTRO NUNES SANTOS TERRA - UFSJ (Membro)
Presidente - SAMUEL JOSE SILVA SOARES DA ROCHA (Membro)