REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , , |
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 |