Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/39958
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020_ElianMenesesOliveira.pdf3,75 MBAdobe PDFVisualizar/Abrir
Título: Redes neurais artificiais para predição da vida útil de madeiras da Amazônia em campo de apodrecimento
Outros títulos: Artificial neural networks for life span prediction of Amazonian woods in field test
Autor(es): Oliveira, Elian Meneses
Orientador(es): Costa, Alexandre Florian da
Coorientador(es): Miguel, Eder Pereira
Assunto: Inteligência artificial
Biodeterioração
Durabilidade natural
Ondas ultrassônicas
Espectroscopia de infravermelho
Data de publicação: 25-Jan-2021
Referência: OLIVEIRA, Elian Meneses. Redes neurais artificiais para predição da vida útil de madeiras da Amazônia em campo de apodrecimento. 2020. 141 f., il. Tese (Doutorado em Engenharia Florestal)—Universidade de Brasília, Brasília, 2020.
Resumo: Este trabalho teve como objetivo avaliar a aplicação de inteligência artificial, por meio de redes neurais artificiais, para a predição da vida útil de madeiras não tratadas quimicamente e tratadas com arseniato de cobre cromatado (CCA) tipo C, instaladas em campo de apodrecimento em área de Cerrado do Distrito Federal. O teste em campo foi conduzido durante 40 meses, utilizando estacas das madeiras de sumaúma (Ceiba pentandra), marupá (Simarouba amara), curupixá (Micropholis melinoniana) e cerejeira (Amburana cearensis), cujos desempenhos foram avaliados através da perda de massa e das técnicas não destrutivas de ultrassom e espectroscopia no infravermelho próximo. O preservante químico CCA-C conferiu alta proteção às madeiras contra o ataque de fungos e insetos xilófagos, principalmente às espécies de baixa durabilidade natural. Dentre as madeiras não tratadas quimicamente, a cerejeira apresentou a maior resistência natural, possivelmente devido ao seu alto teor de extrativos. De modo geral, a velocidade de propagação da onda ultrassônica apresentou tendência de decréscimo para as madeiras não tratadas, enquanto que nas amostras com CCA- A mostrou maior estabilidade ao longo do período de exposição em campo. Os espectros de infravermelho próximo evidenciaram um consumo mais significativo da celulose, sobretudo nas amostras de madeiras não tratadas quimicamente. As redes neurais, do tipo MLP (do inglês Multilayer Perceptron), utilizando como variáveis preditoras dados provenientes das avaliações não destrutivas de ultrassom e espectroscopia no infravermelho próximo foram precisas na estimativa de perda de massa decorrente de biodeterioração e, por conseguinte, da vida útil da madeira. Os erros em torno de 15% validaram a indicação desta ferramenta de inteligência artificial para projeção de perda de massa e de problemas estruturais em estacas de madeiras em serviço.
Abstract: This study aimed to evaluate the application of artificial intelligence, through artificial neural networks, for the prediction of the life span of wood without chemical treatment and chemically treated with copper-chromated-arsenate preservative (CCA) type C, installed in a field test in Federal District Cerrado area. The field test was conducted during 40 months, using stakes of sumaúma (Ceiba pentandra), marupá (Simarouba amara), curupixá (Micropholis melinoniana) and cerejeira (Amburana cearensis), whose performances were evaluated through mass loss and nondestructive techniques of ultrasonic waves and near infrared spectroscopy. The wood preservative CCA-C provided high protection to the stakes against fungi and insects attack, mainly those of low natural durability species. Among the nontreated stakes, the cerejeira showed the highest natural resistance, possibly due to its high extractives. In general, the speed of ultrasonic propagation waves showed a decreasing trend for untreated stakes, while in the samples treated with CCA-A there was a greater stability during the period of exposure in the field test. The near infrared spectra showed a more significant consumption of cellulose, especially in nontreated stakes. Artificial neural networks, type MLP (Multilayer Perceptron), using data from ultrasonic evaluations and near infrared spectroscopy as predictive variables were accurate in estimating mass loss due to biodeterioration and, therefore, the life span of the wood. The errors around 15% validated the indication of this artificial intelligence tool for projecting weight loss and structural problems in stakes in service.
Informações adicionais: Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, 2020.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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