Configuração de redes neurais artificiais para prognose da produção de povoamentos clonais de eucalipto

Resumo

O objetivo deste estudo foi definir configurações adequadas de Redes Neurais Artificiais (RNA) para prognose da produção florestal de plantios de eucalipto em nível de povoamento. Os dados foram obtidos a partir de inventários florestais contínuos e foram avaliadas diferentes configurações de RNA referentes ao número de neurônios na camada oculta, funções de ativação, número de ciclos e algoritmos de aprendizagem com os seus parâmetros. O treinamento das redes foi realizado no sistema Neuroforest. A avaliação das estimativas foi realizada por meio do coeficiente de correlação entre os valores observados e estimados, a raiz quadrada do erro quadrático médio (RMSE%), e análise gráfica de resíduos. Obteve-se resultados satisfatórios com configurações simples de RNA, contendo apenas 03 neurônios na camada oculta. Todas as funções de ativação testadas (tangente hiperbólica, sigmoidal, identidade, log, linear e seno) podem ser utilizadas. O treinamento das RNA pode ser feito com 500 ciclos. Os algoritmos Resilient Propagation, Scaled Conjugate Gradiente, Quick Propagation são eficientes para fins de prognose florestal. A prognose da produção de povoamentos clonais de eucalipto pode ser modelada por meio de diversas configurações de RNA.