Uso se Redes Neurais Artificiais na Predição da Geração de Resíduos Sólidos Urbanos – Revisão Bibliográfica
A crescente geração de resíduos sólidos em conglomerados urbanos requer políticas públicas que assegurem seu adequado gerenciamento e sua destinação final. O desenvolvimento de ferramentas que possam prever com exatidão a geração de resíduos sólidos urbanos (RSU) em curto, médio e longo prazo é uma demanda urgente e imprescindível para gestão de investimentos e tomada de decisões. O avanço em inteligência artificial atingiu a realidade do cotidiano das pessoas e, atualmente, os pesquisadores detêm uma gama de opções tecnológicas para desenvolver soluções para determinados desafios. O modelo computacional baseado em redes neurais artificiais (RNA) foi aplicado em estudos por diversos países visando predizer a geração de RSU em um período futuro, com base em dados passados. Redes neurais artificiais visam simular o funcionamento dos neurônios e têm capacidade de aprender e reconhecer padrões, em ciclos de treinamento chamados denominados de aprendizado de máquina. Os trabalhos apresentaram soluções estruturadas em três ou mais camadas de neurônios – camada de entrada, camada oculta e camada de saída – sendo a primeira alimentada com variáveis de entrada (exógenas) e a última com os dados de geração de resíduos. Com base nesses dados e em ciclos de aprendizado (treinamento), validação e testes, os modelos seriam capazes de reconhecer padrões e correlações e, assim, predizer com razoável exatidão a geração futura de resíduos. Como resultado dos estudos, os modelos baseados em RNA apresentaram boa acuidade na predição da geração de RSU, revelando-se solução viável para uso aplicado em ações de planejamento e gerenciamento.
Uso se Redes Neurais Artificiais na Predição da Geração de Resíduos Sólidos Urbanos – Revisão Bibliográfica
-
DOI: 10.22533/at.ed.47120051121
-
Palavras-chave: redes neurais artificiais; resíduos sólidos; modelo de predição; aprendizado de máquina
-
Keywords: artificial neural networks; solid waste; prediction model; machine learning
-
Abstract:
The growing generation of solid waste in urban conglomerates requires public policies that ensure its adequate management and final disposal. The development of tools that can accurately predict the generation of municipal solid waste in short, medium and long term is an urgent and essential demand for investment management and decision making. The advance in artificial intelligence has reached the reality of people's daily lives, and nowadays researchers have a range of technological options to develop solutions to certain challenges. The computational model based on artificial neural networks (ANN) was applied in studies in several countries aiming to predict the generation of urban solid waste in a future period, based on the past. Artificial neural networks are based on the central nervous system structure of animals and are capable of learning and recognizing patterns in training cycles called machine learning. The works presented solutions structured in three or more layers of neurons – input, hidden and output layers – the first one being fed with input variables (exogenous) and the latter with the waste generation data. Based on these data and on learning, validation and testing cycles, the models would be able to recognize patterns and correlations and thus accurately predict future waste generation. As a result of the studies, the models based on neural networks presented good accuracy in the prediction of the generation of urban solid waste, proving a viable solution for use in planning and management actions.
-
Número de páginas: 17
- Alan Vinicius Hehn
- Atilio Efrain Bica Grondona
- Luis Alcides Schiavo Miranda
- Cristiano Costa de Souza
