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

Autores

  • Ricardo . Drudi
  • Kelly Cristina Rosa Drudi
  • Graziella Colato Antonio
  • Juliana Tófano de Campos Leite Toneli

DOI:

https://doi.org/10.26512/ripe.v2i9.15032

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

Downloads

Não há dados estatísticos.

Referências

ABRELPE ”“ Associação Brasileira de Empresas de Limpeza Pública e Resíduos Especiais, 2015. Panorama dos Resíduos Sólidos no Brasil - 2014.

Braga, A.P.; Carvalho, A.P.L.F.; e Ludermir, T.B. Redes Neurais Artificiais ”“ Teoria e Aplicações. 2ª edição. Rio de Janeiro: Ed. LTC, 2007. 224 páginas.

Brasil, 2010. Ministério do Meio Ambiente. Plano Nacional de Resíduos Sólidos (PNRS) - Lei n. 12305, de 2 de Agosto de 2010. Institui a Política Nacional de Resíduos Sólidos; altera a Lei n. 9605, de 12 de fevereiro de 1998; e dá outras providências. Brasília.

Chang, Y.F.; Lin, C.J.; Chyan, J.M.; Chen, I.M.; Chang, J.E., 2007. Multiple regression models for the lower heating value of municipal solid waste in Taiwan. Journal of Environmental Management 85, pp. 891-899. Elsevier Ltd.

Channiwala, S.A.; Parikh, P.P., 2002. A unified correlation for estimating HHV of solid, liquid and gaseous fuels. Fuel 81, pp. 1051-1063. Elsevier Science Ltd.

DDMA ”“ Doutores do Meio Ambiente, 2010. Caracterização Gravimétrica, Físico-Química e Elementar dos Resíduos Sólidos Urbanos.

Dong, C.; Jin, B.; Li, D., 2003. Predicting the heating value of MSW with feed forward neural network. Waste Management 23, pp. 103-106. Elsevier Science Ltd.

Eurostat, 2015. European Statistics. Treatment of waste database. Disponível em: <http://ec.europa.eu/eurostat/data/database>. Acesso em: 20/jun/2016.

FEAM ”“ Fundação Estadual do Meio Ambiente, 2012. Aproveitamento Energético de Resíduos Sólidos Urbanos: Guia de Orientações para Governos Municipais de Minas Gerais.

Haykin, S., 2001. Redes Neurais ”“ Princípios e prática. 2ª edição. Porto Alegre: Editora Bookman. 900 páginas.

Kathiravale, S.; Yunus, M.N.M.; Sopian, K.; Samsuddin, A. H.; Rahman, R.A., 2003. Modeling the heating value of Municipal Solid Waste. Fuel 82, pp. 1119”“1125. Elsevier Science Ltd.

Maier, S.; Oliveira, L.B., 2014. Economic feasibility of energy recovery from solid waste in the light of Brazil's waste policy: The case of Rio de Janeiro. Renewable and Sustainable Energy Reviews 35, pp. 484”“498. Elsevier Ltd.

Meraz, L.; Dominguez, A.; Kornhauser, I.; Rojas, F., 2003. A thermochemical concept-based equation to estimate waste combustion enthalpy from elemental composition. Fuel 82, pp. 1499”“1507. Elsevier Science Ltd.

Ogwueleka, T. C.; Ogwueleka, F. N., 2010. Modelling Energy Content of Municipal Solid Waste Using Artificial Neural Network. Iranian Journal of Environmental Health Science & Engineering, Vol. 7, No. 3, pp. 259-266. BioMed Central.

Ryu, C.; Shin, D., 2013. Combined heat and power from Municipal Solid Waste: Current status and issues in South Korea. Energies 6, pp. 45-57. MDPI.

Shi, H.; Mahinpey, N.; Aqsha, A.; Silbermann, R., 2016. Characterization, thermochemical conversion studies, and heating value modeling of municipal solid waste. Waste Management 48, pp. 34-47. Elsevier Ltd.

Zhou, H.; Meng, A.; Long, Y.; Li, Q.; Zhang, Y., 2014. An overview of characteristics of municipal solid waste fuel in China: Physical, chemical composition and heating value. Renewable and Sustainable Energy Reviews 36, pp. 107-122. Elsevier Ltd.

Downloads

Publicado

2017-01-25

Como Citar

Drudi, R. ., Drudi, K. C. R., Antonio, G. C., & Leite Toneli, J. T. de C. (2017). REDES NEURAIS NA GERAÇÃO DE MODELOS DE PREVISÃO DE PODER CALORÍFICO DE RESÍDUOS SÓLIDOS. Revista Interdisciplinar De Pesquisa Em Engenharia, 2(9), 15–34. https://doi.org/10.26512/ripe.v2i9.15032