Algoritmo particle swarm optimization (PSO) no treinamento de redes neurais para estimativa de altura em povoamento de eucalipto

Resumo

O presente trabalho objetivou avaliar o ajuste do algoritmo Particle Swarm Optimization (PSO) no treinamento de RNA para estimativa de altura de árvores de eucalipto. Os dados utilizados neste estudo foram provenientes de medições de inventários florestais contínuos conduzidos em povoamentos de um clone de eucalipto, localizados no Sul da Bahia, Brasil. A altura das árvores foi estimada em função das seguintes variáveis numéricas (quantitativas): diâmetro com casca a 1,3 m, altura dominante média da parcela em (m), idade em meses, altura média das parcelas em (m), dap médio das parcelas em (cm) e dap
máximo das parcelas em (cm). Enquanto que para a variável qualitativa foram: projeto e rotação. O algoritmo PSO, nas suas cinco configurações, apresentou uma melhor estimativa de altura quando comparado ao modelo hipsométrico ajustado. Porém, suas estimativas não foram tão satisfatórias quando comparado com configurações tradicionais utilizadas em RNA, no caso do
algoritmo Resilient propagation, em sua variação básica (RPROP+). Tanto as redes treinadas pelo PSO quanto aquelas treinadas pelo Resilient são mais eficientes para estimação da altura das árvores, do que o modelo de regressão testado neste estudo.