Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/39974
ORCID:  http://orcid.org/0000-0002-0569-3112
Tipo do documento: Dissertação
Tipo de acesso: Acesso Aberto
Título: Modelo de predição do crescimento e produção para plantios de tachi-branco baseado em autômato celular e aprendizado de máquina
Título(s) alternativo(s): Growth and production prediction modelo for tachi-branco plantations based on cellular automaton and machine learning
Autor(es): Freitas, Pablo Henrique de
Primeiro orientador: Martins, Luiz Gustavo Almeida
Primeiro coorientador: Carneiro, Murillo Guimarães
Primeiro membro da banca: Soares, Álvaro Augusto Vieira
Segundo membro da banca: Lima, Danielli Araújo
Resumo: A dinâmica das plantações florestais tem sido amplamente estudada com aplicações de simulação computacional. Autômatos celulares (AC) é uma técnica capaz de modelar estados futuros com base em um conjunto de regras de transição. No entanto, essa construção não é simples, muitas vezes exigindo conhecimento técnico do processo por meio de anos de pesquisa científica. Técnicas de aprendizado de máquina podem ser aplicadas nesse contexto, facilitando a construção desses simuladores. De acordo com esse cenário, este trabalho apresenta um modelo de simulação baseado em autômatos celulares probabilísticos capazes de estimar a evolução da produção de madeira ao longo do período de manejo. Diferente de outros trabalhos da literatura, a construção da regra de transição do AC é baseada exclusivamente em dados históricos de uma plantação de Tachi-branco, uma espécie de floresta manejada. Modelos de regressão linear e logística são aplicados para aprender e representar as regras de transição locais do autômato e simular sua evolução. A abordagem proposta baseada em AC foi capaz de prever o comportamento futuro das plantações nas áreas monitoradas com erros em torno de 4%, confirmando o potencial do uso de aprendizado de máquina na descoberta de regras de transição para modelos precisos baseados em autômatos celulares.
Abstract: The dynamics of forest plantations have been widely studied with computational simulation applications. Cellular automata (CA) is a technique capable of modelling future states based on a set of transition rules. However, this construction is not simple, often requiring technical knowledge of the process through years of scientific research. Machine learning techniques can be applied in this context, facilitating the construction of these simulators. According to this scenario, this work presents a simulation model based on probabilistic cellular automata capable of estimating the evolution of wood production throughout the management period. Unlike other works in the literature, the construction of the AC transition rule is based exclusively on historical data from a Tachi-branco plantation, a managed forest species. Linear and logistic regression models are applied to learn and represent the local transition rules of the automaton and simulate its evolution. The proposed CA-based approach was able to predict the future behavior of plantations in the monitored areas with errors around 4%, confirming the potential of using machine learning in discovering transition rules for precise models based on cellular automata.
Palavras-chave: Autômato celular
Aprendizado de máquina
Florestas plantadas
Predição da produção
Cellular Automata
Machine Learning
Production prediction
Managed Forest
Managed Forest
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::LINGUAGEM FORMAIS E AUTOMATOS
Assunto: Computação
Automato celular
Aprendizado do computador
Florestas - Inovações tecnológicas
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Programa: Programa de Pós-graduação em Ciência da Computação
Referência: FREITAS, Pablo Henrique de. Modelo de predição do crescimento e produção para plantios de tachi-branco baseado em autômato celular e aprendizado de máquina . 2023. 73 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.di.2023.562.
Identificador do documento: http://doi.org/10.14393/ufu.di.2023.562
URI: https://repositorio.ufu.br/handle/123456789/39974
Data de defesa: 1-Nov-2023
Objetivos de Desenvolvimento Sustentável (ODS): ODS::ODS 15. Vida terrestre - Proteger, recuperar e promover o uso sustentável dos ecossistemas terrestres, gerir de forma sustentável as florestas, combater a desertificação, deter e reverter a degradação da Terra e deter a perda da biodiversidade.
Aparece nas coleções:DISSERTAÇÃO - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ModeloPrediçãoCrescimento.pdfDissertação15.65 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.