Carlos Alberto Araújo Júnior

Modelagem da distribuição diamétrica de povoamentos de eucalipto utilizando a função Gama

Neste estudo, avaliou-se o comportamento da funcao densidade de probabilidade Gama com 2 parâmetros para a descricao da distribuicao diametrica de um povoamento de eucalipto em diferentes idades. Um modelo de projecao da distribuicao de diâmetros foi construido e ajustado aos dados das parcelas permanentes. Os ajustes da funcao Gama foram avaliados pelo teste de Kolmogorov-Smirnov (KS) e o modelo de distribuicao diametrica foi avaliado por meio dos coeficientes de determinacao e graficos de residuos das estimativas geradas pelas equacoes que compuseram o modelo. As distribuicoes diametricas estimadas pelo sistema de equacoes foram comparadas com as distribuicoes observadas pelo teste KS. A maioria dos ajustes apresentou aderencia pelo teste KS. O modelo foi capaz de projetar as distribuicoes diametricas de maneira satisfatoria, acompanhando a tendencia de achatamento da curva da distribuicao em uma sequencia de idades. Conclui-se que a funcao Gama pode ser utilizada em um modelo de projecao da distribuicao dos diâmetros de povoamentos de eucalipto

Curvas de índices de local em povoamentos de eucalipto obtidas por regressão quantílica

The objective of this work was to obtain site index curves in eucalyptus plantations by quantile regression, and to compare them to the obtained ones with the use of fitted regressions by the method of ordinary least squares. Quantile regression can be used to generate site index curves, especially in the presence of outliers. The method generates a bundle of curves better adjusted to the observed data, compared to the one generated with the estimates of ordinary least squares, either by the guide curve method (anamorphic curves) or by polymorphic curves (using different percentiles).

MODELLING AND FORECAST OF CHARCOAL PRICES USING A NEURO-FUZZY SYSTEM

Using a monthly time series of charcoal prices in Minas Gerais from January 2000 to September 2014, this study aimed to evaluate the use of neuro-fuzzy system to model the series and forecasting prices. We used four modeling structures for different prices lags (1, 2, 3, 4 and 5 lags). The structure most appropriate for neuro-fuzzy system was chosen based on the root mean square error, mean absolute error, mean squared error, mean absolute percentage error and maximum absolute percentage error for the forecasted period. With the results found, it is possible to conclude that a neuro-fuzzy system can be used properly to predict the charcoal prices.