02002naa a2200229 a 450000100080000000500110000800800410001910000190006024501320007926000090021152012390022065300440145965300320150365300330153565300300156870000170159870000200161570000210163570000280165670000130168477300750169720431952016-04-12       2015    bl uuuu     u00u1 u    #d1 aCOSENZA, D. N.  aClassificação da capacidade produtiva de sítios florestais utilizando máquina de vetor de suporte e rede neural artificial.  c2015  aPesquisadores da área de mensuração florestal têm incluído com frequência em seus estudos o uso das técnicas de inteligência computacional (IC) para realização de trabalhos de modelagem por serem capazes de manipular um grande conjunto de dados e criar modelos robustos. Dentre essas técnicas, se destacam a Rede Neural Artificial (RNA) e a recente Máquina de Vetor de Suporte (MVS). Dessa forma, buscou-se nesse trabalho avaliar a aplicação dessas técnicas (RNA e MVS) no processo de classificação da capacidade produtiva de povoamentos florestais com a inclusão de variáveis edáficas, de manejo e do povoamento, comparando os seus resultados com os obtidos pelo método da curva guia. Foi possível concluir que as técnicas de IC avaliadas são capazes de classificar a capacidade produtiva do local de forma satisfatória, desde que utilizadas as variáveis adequadas; o uso conjunto das variáveis ?tipo de solo?, ?espaçamento do plantio?, ?idade? e ?altura dominante?, foi suficiente para classificar os sítios; a RNA foi mais precisa para classificar a capacidade produtiva do que a MVS; a inclusão de muitas variáveis pouco significativas pode prejudicar ou ser indiferente no desempenho das técnicas.  aClassificação da capacidade produtiva  aInteligência computacional  aMáquina de vetor de suporte  aRedes neurais artificiais1 aLEITE, H. G.1 aMARCATTI, G. E.1 aBINOTI, D. H. B.1 aALCÂNTARA, A. E. M. de1 aRODE, R.  tScientia Forestalis, Piracicabagv. 43, n. 108, p. 955-963, dez. 2015.