REDES NEURAIS ARTIFICIAIS PARA ESTIMATIVA DA CARGA TÉRMICA RADIANTE NO INTERIOR DE GALPÕES
Objetivou-se com este estudo desenvolver redes neurais artificiais para a predição do conforto térmico animal, com base na temperatura ambiente e a velocidade do ar correspondente ao dia no calendário juliano. Os dados de temperatura e velocidade do ar foram obtidos no site do Instituto Nacional de Meteorologia, referentes a uma série histórica de 30 anos proveniente da Estação Meteorológica Convencional Padre Ricardo Remetter, localizada no município de Santo Antônio de Leverger-MT. A carga térmica de radiação, em função das variáveis climáticas, foi determinada para cada dia do ano. Assim, o dia do ano foi a variável de entrada para as redes neurais e a carga térmica de radiação a de saída. O número de camadas e neurônios foi variável de acordo com as diferentes arquiteturas. O ajuste dos modelos foi verificado com base no coeficiente de determinação, no erro absoluto médio, na porcentagem média do erro absoluto, bem como nos testes de normalidade e do teste t-Student. Os valores estimados pelas redes e os obtidos a partir da série histórica não evidenciaram discrepância significativa. Entretanto, as redes com melhor desempenho foram selecionadas para uma análise gráfica de resíduos. Concluiu-se que os dados meteorológicos utilizados possibilitaram definir as arquiteturas de redes neurais artificiais satisfatórias para o objetivo desta pesquisa. As redes do tipo perceptron formadas por tipologias de duas camadas ocultas foram apropriadas na predição do conforto térmico animal, em função do dia juliano. As redes neurais desenvolvidas apresentaram adequada confiabilidade e precisão nas predições, o que justifica a sua aplicação para o planejamento, gestão e manejo de animais, principalmente em confinamento.
REDES NEURAIS ARTIFICIAIS PARA ESTIMATIVA DA CARGA TÉRMICA RADIANTE NO INTERIOR DE GALPÕES
-
DOI: 10.22533/at.ed.77722230620
-
Palavras-chave: inteligência artificial, conforto térmico, séries temporais
-
Keywords: artificial intelligence, thermal comfort, time series
-
Abstract:
The objective of this study was to develop artificial neural networks for the prediction of animal thermal comfort, based on ambient temperature and air velocity corresponding to the day in the Julian calendar. The temperature and air speed data were obtained from the website of the National Institute of Meteorology, referring to a 30-year historical series from the Padre Ricardo Remetter Conventional Meteorological Station, located in the municipality of Santo Antônio de Leverger-MT. The thermal radiation load, as a function of climatic variables, was determined for each day of the year. Thus, the day of the year was the input variable for the neural networks and the radiation thermal load was the output variable. The number of layers and neurons varied according to the different architectures. The fit of the models was verified based on the coefficient of determination, on the mean absolute error, on the mean percentage of absolute error, as well as on the normality tests and the t-Student test. The values estimated by the networks and those obtained from the historical series showed no significant discrepancy. However, the networks with the best performance were selected for a graphical analysis of residuals. The meteorological data used made it possible to define the architectures of artificial neural networks satisfactory for the purpose of this research. The perceptron-type networks formed by typologies of two hidden layers were appropriate in the prediction of animal thermal comfort, as a function of the Julian day. The developed neural networks showed adequate reliability and accuracy in the predictions, which justifies their application for the planning, management and handling of animals, especially in confinement.
-
Número de páginas: 12
- Zaíra Morais dos Santos Hurtado de Mendoza
- Pedro Hurtado de Mendoza Morais
- Charles Esteffan Cavalcante
- Ronei Lopes dos Santos
- Felipe Schmidt Ruver
- Pedro Hurtado de Mendoza Borges
