ABSTRACT

Com a crescente importância econômica do mercado de floresta plantadas de Eucalyptus, vem sendo buscado otimizar suas etapas e reduzir seus custos. Dentre elas, destaca-se o transporte rodoviário de madeira, cujo dispêndios representam aproximadamente 45% dos custos totais. Neste sentido, o volume das madeiras possui impacto, sendo fundamental estimação correta. Isto posto, foi verificado se há precisão na estimativa do volume de madeira do Eucalyptus transportadas por caminhão trator em rodovias, por meio do aprendizado de máquina. O processo de ajuste dos dados das variáveis ponderadas foi realizado por meio da linguagem de programação R. Após a execução do data wrangling, utilizou-se o aprendizado supervisionado, via linguagem de programação Python, com balanceamento de dados, por oversampling, e divisão das instâncias em conjunto de treinamento e teste. Posterior a modelagem, à seleção dos modelos com melhor performance em coeficiente de determinação, erro absoluto médio e erro quadrático médio, e da realização do treinamento e teste, pode-se confirmar que o modelo obteve alta performance na estimativa do volume de madeiras, sendo que o modelo de combinação gerado a partir dos três melhores modelos, AdaBoost Regressor, Bayesian Ridge e Gradient Boosting Regressor, demonstrou a melhor performance para predição.