Modelagem Neuro-Fuzzy na estimativa do volume de Eucalyptus sp

1. Modelagem Neuro-Fuzzy na estimativa do volume de Eucalyptus sp Gleimar B. Baleeiro Prof. Dr. Ricardo Martins de Abreu Silva (Orientador) Msc. Adriano Ribeiro de Mendonça(Co-orientador)

2. Roteiro • Motivação/Objetivo • O gênero Eucalyptus • Volume • Lógica Fuzzy • Neuro-Fuzzy • Modelos comparados • Resultados • Trabalhos futuros

3. Motivação • Importância econômica; • Aproveitamento da madeira em vários segmentos; • Conhecimento do potencial florestal;

4. Objetivo • Criar um novo modelo usando técnicas de Inteligência Computacional que possa ser aplicado na estimativa de volume.

5. Gênero Eucalyptus • Originário da Austrália; • Aproveitamento inicial como carvão vegetal; • Clima brasileiro favorável; • Viável devido ao crescimento rápido; • Várias Tecnologias/Estudos desenvolvidos;

6. Utilidades do Eucalyptus • Óleos essenciais: fármacos, produtos de higiene; • Produtos apícolas:mel,própolis, geléia real; • Celulose: papeis diversos; • Madeira Serrada: móveis, construção civil; • Postes e moirões; • Laminados: chapas de fibra compensados; • Carvão e lenha.

7. Volume • Constitui uma das informações de maior importância(BARBALHO,2002); • Sofre influência: • material genético (semente ou clone); • características edafo-climáticas; • práticas de manejo;

8. Obtenção do volume • Troncos de muitas espécies apresentam forma semelhante a algum sólido geométrico; • Principio de Arquimedes; • Divisão do tronco em seções e o uso formulas aproximativas para obtenção do volume total(CAMPOS,1993).

9. Lógica Fuzzy • Proposta por Prof. Lofti A. Zadeh (1965); • Mostra-se como fundamento de qualquer outra lógica; • Baseada no conceito de “verdade parcial”. • Necessidade de transições suaves entre conjuntos;

10. Lógica Fuzzy • Conjuntos ‘Crisps’X Fuzzy

11. Conjuntos Fuzzy • Funções de Pertinência, onde é explorada a relatividade de expressões como “Alto, Quente, Próximo...”.

12. Conjuntos Fuzzy X

13. Inferência Fuzzy • Takagi,Sugeno,Kang(TSK): • O conseqüênte é uma função das variáveis de entrada, geralmente uma combinação linear. • A saida é obtida pela média ponderada do grau de disparo de cada regra. Regra: SE x é A E y é B THEN z = f(x,y) z = px + qy + r

14. Neuro-Fuzzy • Modelo híbrido: • Redes Neurais; • Lógica Fuzzy. • Idéia básica: Implementar um Sistema de Inferência Fuzzy através de uma arquitetura paralela distribuída.

15. Características • Associam a capacidade de aprendizado e de tolerância a falhas das Redes Neurais, com a interpretabilidade dos Sistemas de Inferência Fuzzy; • Permitem a integração de conhecimento explícito (de especialistas) e conhecimento implícito (conjunto de dados); • Extração de conhecimento sob a forma de regras de inferência fuzzy;

16. ANFIS (Adaptative Neuro-Fuzzy Inference System) • Proposto por Roger Jang(1993); • Arquitetura:

17. Modelos Comparados • Schumacher e Hall (1933) • Vcci =b0 + b1Ln(dapi) + b2Ln(Hci) • Spurr (1952) • Vcci = b0 + b1.Ln (dap2H) + Lni

18. Modelagem Neuro-Fuzzy • Entradas: • Idade • DAP • Altura Total • Saida: • Volume Total

19. Modelagem Neuro-Fuzzy • Tipo de Particionamento: • Grid Partition • Funções de pertinência • Forma de Treinamento • Hibrido (Backpropagation+MQD) • Épocas

20. Forma dos conjuntos após o treinamento DAP IDADE ALTURA

21. Avaliação dos Modelos • Divisão do conjunto de dados: • Treino • Checagem • Métodos para avaliação: • Syx(%) - Erro padrão residual • R - Correlação • Bias(b) • MD - Media Absoluta das Diferenças • DPD - Desvio Padrão das Diferenças

22. Conjuntos de dados TREINO CHECAGEM

23. Resultados • Equações estimadas para os modelos de Spurr e Schumacher e Hall, respectivamente:

24. Medidas de precisão TREINO CHECAGEM

25. Distribuição residual TREINO CHECAGEM

26. Distribuição residual TREINO CHECAGEM

27. Distribuição residual TREINO CHECAGEM

28. Estatísticas “bias” (B), média das diferenças absolutas (MD) e desvio padrão das diferenças (DPD) para as estimativas do volume total. TREINO CHECAGEM 1 = Spurr, 2 = Schumacher e Hall, 3 = Neuro-Fuzzy

29. Notas atribuídas, a partir das estatísticas da Tabela anterior, para as estimativas do volume total. TREINO CHECAGEM 1 = Spurr, 2 = Schumacher e Hall, 3 = Neuro-Fuzzy

30. Conlusão • Na validação do modelo proposto notou-se que tanto para o conjunto de treinamento quanto para o conjunto de checagem, o modelo Neuro-Fuzzy mostrou-se eficiente na comparação com os modelos tradicionais (Schumacher e Hall (1939) e Spurr (1952)). Com isso, percebe-se a importância de trabalhos envolvendo técnicas de inteligência artificial na área florestal.

31. Trabalhos futuros • Visto a eficiência do modelo Neuro-fuzzy proposto, como trabalho futuro espera-se a implementação efetiva do modelo proposto em problemas de estimativa de volume total de espécies florestais. Para isso seria desenvolvido um software com a implementação do modelo obtido, levando em conta os fatores que influenciam a estimativa do volume total de cada espécie.

32. Referências Bibliográficas • BARBALHO, V. M. DE S. Sistemas baseados em conhecimento e lógica difusa para simulação do processo chuva-vazão. [Rio de Janeiro] 2001. IX, 94 p., 29,7 cm (COPPE/UFRJ, D.Sc., Engenharia Civil, 2001) Tese - Universidade Federal do Rio de Janeiro, COPPE. • CAMPOS, J. C. C.; LEITE, H. G.. Mensuração florestal: perguntas e respostas. Viçosa: UFV, 2002. 407p. • JANG, J. S. R.; SUN, C. T. Neuro-Fuzzy modeling and control. Proceedings of the IEEE, New York, v. 83, n. 3, p. 378-406, Mar. 1995. • JANG, J. S. R. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE Transactions on Systems, Man, and Cybernetics, New York, v. 23, n. 3, p. 665-685, May 1993. • SCHUMACHER, F.X.; HALL, F.dos. S. Logarithmic expression of timber-tree volume. Journal of Agricultural Research, Washington, v.47, n.9, p.719-734, 1933. • SPURR, S. H. Forest inventory. New York:The Ronald Press, 1952. 476p. • SUGENO, M. Industrial applications of fuzzy control. Elsevier Science Pub. Co., 1985. • TAKAGI T. e SUGENO M. (1985). “Fuzzy identification of systems and its applications to modeling and control”, IEEE Transactions on Systems, Man and Cybernetics, Vol. 15, No. 1, pp.116-132.

33. Fim Obrigado pela atenção! Perguntas? gleimar@gmail.com