Banca de DEFESA: TAIANA GUIMARÃES ARRIEL

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: TAIANA GUIMARÃES ARRIEL
DATA: 29/03/2022
HORA: 14:00
LOCAL: google meet
TÍTULO:

PREDIÇÃO DE CARACTERÍSTICAS DA MADEIRA E CARVÃO VEGETAL POR TÉCNICAS DE APRENDIZADO DE MÁQUINA

PALAVRAS-CHAVES:

Inteligência computacional, neurônio artificial, árvores aleatórias, máquina de vetor de suporte, caracterização da madeira, carvão vegetal, otimização de processo.

PÁGINAS: 83
GRANDE ÁREA: Ciências Agrárias
ÁREA: Recursos Florestais e Engenharia Florestal
RESUMO:

Ferramentas computacionais e de modelagem matemática/estatística têm sido aplicadas no setor florestal no intuito de agilizar e otimizar processos. Dentre elas,  destacam se as técnicas de aprendizagem de máquina, também conhecidas como machine learning. Como exemplo, pode-se citar:  as redes neurais artificiais (RNA), as quais possuem capacidade de aprender, generalizar, realizar otimização, reconhecimento de padrões; as florestas aleatórias (random forest), que executam classificadores do tipo árvore de decisão, gerando classificação com maior estabilidade dos dados e também as máquinas de vetor de suporte (SVM), que podem ser utilizadas tanto para tarefas de regressão não linear quanto para classificação de padrões. Entretanto, o tema aplicado na área florestal e, em especial na tecnologia da madeira, é recente, necessitando de estudos para contribuir na literatura científica com métodos que tragam melhoria operacional para análises de interesse. Assim, objetivou-se com este trabalho aplicar técnicas de aprendizagem de máquina para predição de propriedades da madeira e carvão vegetal. Foi utilizada uma amostra com 558 dados com as propriedades tecnológicas da madeira e do carvão vegetal produzido, em que 476 são provenientes de clones de Eucalyptus spp. destinados à produção de carvão vegetal, coletados no Estado de Minas Gerais, Brasil, e 82 dados de madeira nativa de formação florestal de Moçambique. Foram realizadas amostras compostas dos materiais em estudo para a caracterização da madeira, produção do carvão vegetal e também sua análise. Foram realizadas 9 análises laboratoriais na madeira e 9 no carvão vegetal. Posteriormente, foram treinadas redes neurais artificiais do tipo Multilayer Perceptron, florestas aleatórias e máquinas de vetor de suporte para predizer propriedades da madeira e do carvão, utilizando como variáveis de entrada características da madeira e como saída propriedades da madeira e do carvão vegetal. Utilizou-se a lógica predizer propriedades de aferição complexa em função de variáveis de mais simples medição. A acurácia das técnicas foi avaliada segundo a RMSE, MAE e R2. Foi realizada também matriz de correlação linear dos dados. Como resultados, foi observado que os melhores desempenhos das predições de propriedades da madeira e carvão vegetal foram obtidos pela técnica do random forest, principalmente para a predição do poder calorífico superior da madeira e do carvão vegetal, densidade relativa aparente, rendimento gravimétrico do carvão e teor de carbono fixo, os quais apresentaram maior acurácia que as RNA. Após verificada a aplicabilidade das técnicas, foi possível constatar a importância das variáveis de entrada nas predições da madeira e carvão vegetal realizadas pelas RNA e random forest, sendo observado que, para a predição de propriedades da madeira, as variáveis que mais influenciaram foram o teor de cinzas e lignina total. Para  a predição do carvão vegetal foram a relação S/G, densidade básica e teor de cinzas da madeira. Conclui-se que foi possível observar o comportamento das técnicas de aprendizado de máquina na predição de propriedades da madeira e carvão vegetal. Salienta-se que, pela sua praticidade e maior agilidade no processo de avaliação da qualidade da biomassa florestal e seus produtos, estas técnicas podem ser utilizadas para otimizar o processo de caracterização e predição da qualidade da madeira e carvão vegetal, sendo observados, com essa pesquisa, desempenhos satisfatórios para tal, que permitem ganho em tempo de análises laboratoriais.

MEMBROS DA BANCA:
Externo à Instituição - RENATO VINICIUS OLIVEIRA CASTRO - UFSJ (Membro)
Interno - PAULO RICARDO GHERARDI HEIN (Suplente)
Presidente - NATALINO CALEGARIO (Membro)
Externo à Instituição - MAÍRA REIS DE ASSIS - UFLA (Membro)
Externo à Instituição - MARCELA DE CASTRO NUNES SANTOS TERRA - UFLA (Membro)
Externo à Instituição - GRAZIELA BAPTISTA VIDAURRE - UFES (Membro)
Externo ao Programa - CLEITON ANTONIO NUNES - DCA/ESAL (Suplente)