Comparação entre redes neurais artificiais e modelos hipsométricos na estimativa da altura de árvores de Eucalyptus spp. em Ji-Paraná, Rondônia

Este trabalho teve como objetivo avaliar o desempenho de Redes Neurais Artificiais (RNAs) na estimativa da altura total de árvores de Eucalyptus spp. em plantios localizados no município de Ji-Paraná, Rondônia, e compará-lo com modelos hipsométricos tradicionais. A base de dados foi composta por 134 indivíduos. A variável independente foi o diâmetro à altura do peito (DAP). As RNAs do tipo Multilayer Perceptron foram treinadas com as seguintes arquiteturas: uma camada oculta e funções de ativação logística e tangente hiperbólica. O algoritmo utilizado foi o RPROP+ com validação cruzada para evitar sobreajuste. Os resultados indicaram que as RNAs apresentaram melhor desempenho nos dados de treinamento, com menor RQME e viés. No entanto, os modelos de regressão linear demonstraram maior robustez e acurácia nos dados de teste, evidenciando superior capacidade de generalização. Esses resultados demostram que os modelos de regressão tradicionais apresentam maior capacidade preditiva e menor suscetibilidade ao sobreajuste em situações que a base de dados é reduzida. As RNAs apresentam maior desempenho para modelar relações não lineares complexas, mas dependem de maior volume de dados para realizarem generalização de forma eficiente.