REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS

Detalhes bibliográficos
Autor(a) principal: Drudi, Ricardo .
Data de Publicação: 2017
Outros Autores: Drudi, Kelly Cristina Rosa, Antonio, Graziella Colato, Leite Toneli, Juliana Tófano de Campos
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Interdisciplinar de Pesquisa em Engenharia
Texto Completo: https://periodicos.unb.br/index.php/ripe/article/view/15032
Resumo: Abstract. As crescentes preocupações socioambientais têm incentivado discussões acerca de alternativas que aliem uma diminuição da participação de fontes fósseis na matriz energética e a redução de impactos ambientais negativos decorrentes da atividade humana. O aproveitamento energético de resíduos sólidos urbanos contribui tanto para o incremento da oferta de energia quanto para a redução do volume dos resíduos a serem depositados no solo. Entretanto, para uma implementação adequada de uma planta de recuperação energética é imprescindível que se possa determinar o potencial energético dos resíduos. Este trabalho propôs-se a explorar várias configurações de uma técnica computacional denominada redes neurais artificiais para determinação da melhor abordagem no desenvolvimento de modelos de previsão de potencial energético de resíduos sólidos. Dentre as 432 configurações testadas, 80 (18,5%) obtiveram um índice de previsão considerado excelente, e a rede de melhor desempenho atingiu um índice de erro médio percentual absoluto de apenas 2,9%, superando os modelos matemáticos utilizados para comparação. Os resultados mostram que o algoritmo de treinamento e as funções de ativação são os parâmetros mais importantes de uma rede neural na geração de modelo de previsão de potencial energético de resíduos sólidos urbanos.Keywords: Resíduos sólidos urbanos, Poder calorífico superior, Redes neurais artificiais, Modelos de previsão, Aproveitamento energético de resíduos
id UNB-19_e88cef40a776f4cae827a5626d6241b9
oai_identifier_str oai:ojs.pkp.sfu.ca:article/15032
network_acronym_str UNB-19
network_name_str Revista Interdisciplinar de Pesquisa em Engenharia
repository_id_str
spelling REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOSAbstract. As crescentes preocupações socioambientais têm incentivado discussões acerca de alternativas que aliem uma diminuição da participação de fontes fósseis na matriz energética e a redução de impactos ambientais negativos decorrentes da atividade humana. O aproveitamento energético de resíduos sólidos urbanos contribui tanto para o incremento da oferta de energia quanto para a redução do volume dos resíduos a serem depositados no solo. Entretanto, para uma implementação adequada de uma planta de recuperação energética é imprescindível que se possa determinar o potencial energético dos resíduos. Este trabalho propôs-se a explorar várias configurações de uma técnica computacional denominada redes neurais artificiais para determinação da melhor abordagem no desenvolvimento de modelos de previsão de potencial energético de resíduos sólidos. Dentre as 432 configurações testadas, 80 (18,5%) obtiveram um índice de previsão considerado excelente, e a rede de melhor desempenho atingiu um índice de erro médio percentual absoluto de apenas 2,9%, superando os modelos matemáticos utilizados para comparação. Os resultados mostram que o algoritmo de treinamento e as funções de ativação são os parâmetros mais importantes de uma rede neural na geração de modelo de previsão de potencial energético de resíduos sólidos urbanos.Keywords: Resíduos sólidos urbanos, Poder calorífico superior, Redes neurais artificiais, Modelos de previsão, Aproveitamento energético de resíduosPrograma de Pós-Graduação em Integridade de Materiais da Engenharia2017-01-25info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.unb.br/index.php/ripe/article/view/1503210.26512/ripe.v2i9.15032Revista Interdisciplinar de Pesquisa em Engenharia; Vol. 2 No. 9 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (I); 15-34Revista Interdisciplinar de Pesquisa em Engenharia; v. 2 n. 9 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (I); 15-342447-6102reponame:Revista Interdisciplinar de Pesquisa em Engenhariainstname:Universidade de Brasília (UnB)instacron:UNBporhttps://periodicos.unb.br/index.php/ripe/article/view/15032/13346Copyright (c) 2017 Revista Interdisciplinar de Pesquisa em Engenharia - RIPEinfo:eu-repo/semantics/openAccessDrudi, Ricardo .Drudi, Kelly Cristina RosaAntonio, Graziella ColatoLeite Toneli, Juliana Tófano de Campos2019-06-09T21:28:02Zoai:ojs.pkp.sfu.ca:article/15032Revistahttps://periodicos.unb.br/index.php/ripePUBhttps://periodicos.unb.br/index.php/ripe/oaianflor@unb.br2447-61022447-6102opendoar:2019-06-09T21:28:02Revista Interdisciplinar de Pesquisa em Engenharia - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
title REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
spellingShingle REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
Drudi, Ricardo .
title_short REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
title_full REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
title_fullStr REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
title_full_unstemmed REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
title_sort REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
author Drudi, Ricardo .
author_facet Drudi, Ricardo .
Drudi, Kelly Cristina Rosa
Antonio, Graziella Colato
Leite Toneli, Juliana Tófano de Campos
author_role author
author2 Drudi, Kelly Cristina Rosa
Antonio, Graziella Colato
Leite Toneli, Juliana Tófano de Campos
author2_role author
author
author
dc.contributor.author.fl_str_mv Drudi, Ricardo .
Drudi, Kelly Cristina Rosa
Antonio, Graziella Colato
Leite Toneli, Juliana Tófano de Campos
description Abstract. As crescentes preocupações socioambientais têm incentivado discussões acerca de alternativas que aliem uma diminuição da participação de fontes fósseis na matriz energética e a redução de impactos ambientais negativos decorrentes da atividade humana. O aproveitamento energético de resíduos sólidos urbanos contribui tanto para o incremento da oferta de energia quanto para a redução do volume dos resíduos a serem depositados no solo. Entretanto, para uma implementação adequada de uma planta de recuperação energética é imprescindível que se possa determinar o potencial energético dos resíduos. Este trabalho propôs-se a explorar várias configurações de uma técnica computacional denominada redes neurais artificiais para determinação da melhor abordagem no desenvolvimento de modelos de previsão de potencial energético de resíduos sólidos. Dentre as 432 configurações testadas, 80 (18,5%) obtiveram um índice de previsão considerado excelente, e a rede de melhor desempenho atingiu um índice de erro médio percentual absoluto de apenas 2,9%, superando os modelos matemáticos utilizados para comparação. Os resultados mostram que o algoritmo de treinamento e as funções de ativação são os parâmetros mais importantes de uma rede neural na geração de modelo de previsão de potencial energético de resíduos sólidos urbanos.Keywords: Resíduos sólidos urbanos, Poder calorífico superior, Redes neurais artificiais, Modelos de previsão, Aproveitamento energético de resíduos
publishDate 2017
dc.date.none.fl_str_mv 2017-01-25
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicos.unb.br/index.php/ripe/article/view/15032
10.26512/ripe.v2i9.15032
url https://periodicos.unb.br/index.php/ripe/article/view/15032
identifier_str_mv 10.26512/ripe.v2i9.15032
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicos.unb.br/index.php/ripe/article/view/15032/13346
dc.rights.driver.fl_str_mv Copyright (c) 2017 Revista Interdisciplinar de Pesquisa em Engenharia - RIPE
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2017 Revista Interdisciplinar de Pesquisa em Engenharia - RIPE
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Programa de Pós-Graduação em Integridade de Materiais da Engenharia
publisher.none.fl_str_mv Programa de Pós-Graduação em Integridade de Materiais da Engenharia
dc.source.none.fl_str_mv Revista Interdisciplinar de Pesquisa em Engenharia; Vol. 2 No. 9 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (I); 15-34
Revista Interdisciplinar de Pesquisa em Engenharia; v. 2 n. 9 (2016): COMPUTATIONAL INTELLIGENCE TECHNIQUES FOR OPTMIZATION AND DATA MODELING (I); 15-34
2447-6102
reponame:Revista Interdisciplinar de Pesquisa em Engenharia
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Revista Interdisciplinar de Pesquisa em Engenharia
collection Revista Interdisciplinar de Pesquisa em Engenharia
repository.name.fl_str_mv Revista Interdisciplinar de Pesquisa em Engenharia - Universidade de Brasília (UnB)
repository.mail.fl_str_mv anflor@unb.br
_version_ 1798315224842895360