Uso de redes neurais artificiais e modelos de regressão para estimar volume de espécies nativas em Portel, Pará - Brasil

The objective of the present study was to compare the volume estimates obtained by regression equations with artificial neural networks (RNA) for native areas under management plan in the Portel region, state of Pará, from the rigorous cubing data of 864 trees with DBH ≥ 45 cm from Annual Production Units (UPA) managed in 2015 in an area of ​​dense ombrophilous terra firme forest. The data processing aimed to select the best regression model considering the UPA 1. The best performing equation was chosen according to the root mean square error in percent (RQME%), Pearson correlation and percentage residual graph. For the selection of the best network and its comparison with the best adjusted regression equation, the statistics used were: RQME%, Pearson correlation between observed and estimated volume and bias. The best performing model was the Spurr (), which was later compared with the best RNA obtained from data training. Both methods showed acceptable fit and precision statistics, with potential use to estimate the volume of the species. However, the RNA was higher showing higher precision in relation to the regression in volume estimation. Keywords: Artificial intelligence, rigorous cubing, individual trees, forest management.O objetivo do presente estudo foi comparar as estimativas do volume obtidas por equações de regressão com redes neurais artificiais (RNA) para áreas nativas sob plano de manejo na região de Portel, estado do Pará, a partir dos dados de cubagem rigorosa de 864 árvores com DAP ≥ 45 cm de Unidades de Produção Anual (UPA) manejada em 2015 em área de floresta ombrófila densa de terra firme. O processamento dos dados visou selecionar o melhor modelo de regressão considerando a UPA 1. A equação com melhor desempenho foi escolhida de acordo com a raiz do erro quadrado médio em porcentagem (RQME%), correlação de Pearson e gráfico de resíduos percentuais. Para a seleção da melhor rede e a sua respectiva comparação com a melhor equação de regressão ajustada, as estatísticas utilizadas foram: RQME%, correlação de Pearson entre o volume observado e estimado e bias. O modelo com melhor desempenho foi o Spurr ( sendo posteriormente comparada com a melhor RNA obtida a partir do treinamento dos dados. Verificou-se que ambos os métodos apresentaram estatísticas de ajuste e precisão aceitáveis, com potencial utilização para estimar o volume da espécie. No entanto, a RNA mostrou-se superior evidenciando maior precisão em relação à regressão na estimativa de volume.   Palavras chave: Inteligência artificial, cubagem rigorosa, árvores individuais, manejo florestal