MODELAGEM PREDITIVA DA SECAGEM DA MADEIRA UTILIZANDO GAUSSIAN PROCESS REGRESSION

• Autor
• Guilherme Estevam Tanaka
• Co-autores
• Antônio José Vinha Zanuncio , Vinicius Francisco Rofatto
• Resumo

• Muitos questionamentos ainda podem ocorrer quando se quer buscar e prever qual modelo seria o mais adequado para descrever estimativas na área florestal. Este estudo teve como objetivo avaliar a eficiência do modelo Gaussian Process Regression (GPR) Matérn 5/2 na predição da umidade da madeira de Eucalyptus sp. durante o processo de secagem ao ar livre. O GPR Matérn 5/2, por ser um modelo bayesiano não paramétrico, teve uma boa demonstração para capturar variações não lineares e suavizadas do fenômeno físico da secagem, apresentando alto desempenho estatístico: R² de 0,9923, RMSE de 4,60, MSE de 21,18 e MAE de 2,79 por um conjunto experimental de secagem da madeira, com medidas de densidade da amostra, intervalos de dias e umidade (valores adimensionais). Este modelo permitiu que os dados fossem representados de forma equilibrada e flexível ao longo do tempo, refletindo com precisão o comportamento da umidade na madeira. Além disso, sua capacidade de fornecer intervalos de confiança nas predições aumenta a confiabilidade das estimativas, sendo um recurso valioso para a tomada de decisão técnica. Assim, os resultados indicam que o GPR com Matérn 5/2 é uma abordagem robusta, precisa e confiável neste estudo para a modelagem de dados de secagem da madeira, sendo recomendada como ferramenta de suporte em sistemas de monitoramento e planejamento florestal de alto desempenho, especialmente em aplicações que exigem predições contínuas e acuradas ao longo do tempo. 

• Palavras-chave
• Matemática, Madeira, Modelagem Kernel Matérn 5/2
• Área Temática
• Ciências Florestais