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.

ABSTRACT The understanding of the relationship between the properties of wood and charcoal makes it possible to improve the production of charcoal. Therefore, the random forest algorithm was used in this study to analyze the influence of eucalyptus wood properties on the quality of charcoal as well as the accuracy of the predicted values concerning the results estimated by support vector regression and multiple linear regression. Six properties of wood and six properties of charcoal obtained from the hybrid Eucalyptus grandis x Eucalyptus urophylla and from twelve clones of Corymbia torelliana x Corymbia critriodora at the age of seven were measured. In the analysis, the measure of mean decrease in node impurity (residual sum of squares) calculated with the random forest and the copula correlation was used to evaluate the relationship between properties of wood and charcoal. The random forest was compared to the support vector regression and multiple linear regression through the coefficient of determination, linear correlation between observed and predicted values, mean absolute error and root mean squared error. The accuracy of the random forest was greater than that obtained with the support vector regression and multiple linear regression, mainly in terms of the coefficient of determination and the linear correlation between observed and predicted values. The yield and quality of the charcoal produced from clones were mainly influenced by the holocellulose content, heartwood/sapwood ratio, and basic wood density. The apparent relative density of charcoal was the variable in which the random forest algorithm reached the best level of explanation of the variability as a function of the properties of wood, while the minor error was observed for the fixed carbon content.