Made available in DSpace on 2018-08-01T22:35:45Z (GMT). No. of bitstreams: 1 tese_10576_Dissertação LUANDSON 2017-Final.pdf: 37888685 bytes, checksum: ee400a7b2ee9b818a68325fd8c27be1d (MD5) Previous issue date: 2017-02-21 / Diante de restrições no uso de florestas inequiâneas, o investimento em florestas equiâneas tem sido cada vez maior. Isso torna crescente o interesse em estudos buscando maximizar o rendimento em volume de madeira dessas florestas. O crescimento desse setor tem impulsionado a busca por métodos mais acurados na estimação de variáveis dendrométricas a fim de obter estimativas confiáveis a respeito do estoque volumétrico dos povoamentos florestais. Este trabalho teve como objetivo avaliar a exatidão da estimação da altura total, volume e afilamento do fuste de árvores de eucalipto, utilizando Máquina de Vetor de Suporte (MVS). Para a realização deste trabalho, foram utilizados dados provenientes de um povoamento de eucalipto. A base de dados foi dividida, aleatoriamente, em dois grupos: 70% para ajuste dos modelos de regressão e treinamento da MVS e 30% para validação. Foram ajustadas diferentes configurações de MVS e diferentes modelos de regressão. A avaliação dos modelos de regressão e das configurações da MVS foi baseada nas estatísticas: coeficiente de correlação, raiz quadrada do erro quadrático médio e viés. Com base nos resultados obtidos, foi observado que a MVS proporcionou maior exatidão nas estimativas da altura total, volume individual e afilamento do fuste em relação aos modelos clássicos de regressão utilizados. Palavras-chave: Modelos de Regressão, Aprendizagem de Máquinas, Variáveis Dendrométricas.