Mejoras predictivas en la relación entre el volumen del fuste y el diámetro del tocón de Cedrelinga cateniformis Ducke en Mariscal Cáceres - San Martín

• Autor: Tarrillo Alarcón, Deiber
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de Cajamarca
• Repositorio: UNC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unc.edu.pe:20.500.14074/7767
• Enlace del recurso: http://hdl.handle.net/20.500.14074/7767
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales artificiales; volumen; diámetro del tocón; validación predictiva; https://purl.org/pe-repo/ocde/ford#4.01.02

El objetivo del estudio fue mejorar las predicciones sobre la relaciÛn entre el volumen del fuste y el di•metro del tocÛn de Cedrelinga cateniformis (Ducke) Ducke en Mariscal C•ceres - San MartÌn. Se realizÛ una investigaciÛn con dos fases. En la primera, se empleÛ un modelo potencial con datos de dos concesiones forestales, utilizando una para estimaciÛn y otra para validaciÛn. En la segunda fase, se aplicaron tÈcnicas de redes neuronales artificiales (RNA) integrando datos clim•ticos e Ìndices de competiciÛn para mejorar las predicciones. Se exploraron m˙ltiples algoritmos y combinaciones de variables, generando 30 modelos de RNA. El mejor modelo de RNA (RNA26) se comparÛ con el modelo potencial, mostrando que, este ˙ltimo tenÌa una correlaciÛn ligeramente superior y un error relativo m•s bajo, el RNA26 genera mayor proporciÛn de predicciones precisas en la clase de error de 0%, por lo que RNA ofrece predicciones m•s cercanas a la realidad. Se demostrÛ la utilidad de las RNA al incorporar diversas variables. Se concluyÛ que la inclusiÛn de variables dasomÈtricas, clim•ticas e Ìndices de competiciÛn en el desarrollo de redes neuronales permitiÛ capturar una gama m•s amplia de factores influyentes en la relaciÛn entre el volumen del fuste y el di•metro del tocÛn del Tornillo. Se sugiere la implementaciÛn de un monitoreo continuo de diversas variables, como las dendromÈtricas, clim•ticas, ed•ficas y topogr•ficas, esencial para comprender las complejas interrelaciones en los ecosistemas forestales.