Detalhes bibliográficos
| Ano de defesa: |
2015 |
| Autor(a) principal: |
Silva, Fabrício |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Viçosa
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.locus.ufv.br/handle/123456789/6953
|
Resumo: |
Conhecer a produtividade das máquinas é essencial para um planejamento adequado da colheita da madeira. Na extração florestal, as estimativas de produtividade das máquinas normalmente são realizadas através de modelos de regressão, utilizando-se poucas variáveis que afetam a produtividade das máquinas. Entretanto, as Redes Neurais Artificiais (RNAs) tem sido uma técnica cada vez mais empregada para modelagem de problemas complexos, comumente aqueles que envolvem diversas variáveis (categóricas e continuas). Portanto, o objetivo desta pesquisa foi avaliar e aplicar a técnica das RNAs para estimar a produtividade do forwarder em função de variáveis relacionadas ao povoamento, planejamento operacional e características físicas do terreno. O estudo foi realizado em áreas de operação de colheita florestal mecanizada em povoamentos de Eucalyptus spp de uma empresa localizada no Estado de Minas Gerais, Brasil. O banco de dados foi constituído de dados de estudo de tempos e movimentos da operação de extração mecanizada, registro de produção dos operadores, dados cadastrais dos talhões, dados de inventário florestal, dados geográficos dos projetos florestais. Na modelagem a produtividade do forwarder através da técnica de RNAs, as entradas das redes foram utilizadas variáveis contínuas, como volume por hectare, dados gerados no Sistema de Informação Geográfica (SIG), relacionados à topografia e estradas, Diâmetro à Altura do Peito (DAP) médio e máximo. As variáveis categóricas foram o método de colheita, experiência do operador, comprimento da madeira, idade do povoamento e clima. Os dados foram divididos aleatoriamente para serem utilizados no treinamento (70%) e na generalização (30%). Foram treinados três tipos de arquiteturas de redes: Multilayer Perceptron (MLP), Radial Basic Function (RBF) e Adaptative Linear Neuron (ADALINE). O emprego de redes neurais artificiais foi capaz de estimar com precisão a produtividade (m3 he-1) do forwarder. Uma RNA, com arquitetura MLP, 30 - 14 - 1, utilizando todos os dados de entrada, função de ativação sigmoidal nas camadas intermediárias e na camada de saída, foi a que obteve o melhor desempenho para estimar a produtividade da extração com o forwarder em povoamentos de Eucalyptus spp. |
