RESUMO
O entendimento das relações entre as propriedades da madeira e do carvão vegetal possibilita a melhoria da produção de carvão. Sendo assim, neste estudo utilizou-se o algoritmo random forest para análise da influência de propriedades da madeira de eucalipto sobre a qualidade do carvão vegetal, bem como avaliou-se a acurácia dos valores preditos em relação às estimativas do support vector regression e da regressão linear múltipla. Foram mensuradas seis propriedades da madeira e seis do carvão do híbrido Eucalyptus grandis x Eucalyptus urophylla e de doze clones de Corymbia torelliana x Corymbia critriodora com sete anos de idade. Nas análises, foi utilizado a medida de redução média da impureza do nó (soma de quadrados residual) do random forest e a correlação de cópulas para avaliar a relação entre propriedades da madeira e do carvão. O random forest foi comparado ao support vector regression e à regressão linear múltipla por meio do coeficiente de determinação, correlação linear entre valores observados e preditos, erro médio absoluto e raiz quadrada do erro quadrático médio. A acurácia do random forest foi maior que a do support vector regression e da regressão linear múltipla, principalmente em termos de coeficiente de determinação e correlação linear entre valores observados e preditos. O rendimento e qualidade do carvão vegetal dos clones foram influenciados, principalmente, pelo teor de holocelulose, relação cerne/alburno e densidade básica da madeira. A densidade relativa aparente do carvão foi a variável em que o random forest atingiu o melhor nível de explicação da variabilidade em função das propriedades da madeira, enquanto para o teor de carbono fixo o algoritmo forneceu predições com menor erro.
Palavras-Chave:
aprendizagem supervisionada; Corymbia; Random forest
Thumbnail
