Tipo:	Trabalho de Conclusão de Curso
Título:	Aplicação de sensoreamento virtual data-driven para a predição da vazão de sistema de bombeio
Autor(es):	Freitas, Vinicius José Macedo de
Primeiro Orientador:	Schnitman, Leizer
Segundo Orientador:	Reges Júnior, Galdir Damasceno
Resumo:	Este trabalho aborda a aplicação de sensoreamento virtual data-driven para a predição da vazão de um sistema de bombeio. O objetivo principal é medir o erro da predição da vazão e comparar o desempenho entre diferentes modelos de aprendizado de máquina. A metodologia empregada envolveu o uso das bibliotecas sklearn e Tensorflow em Python para a construção e análise de modelos, bem como o tratamento dos dados. Os passos utilizados na metodologia foram: definição dos regressores, definição dos modelos utilizados e preparação dos dados (normalização e separação dos dados em treino e teste). Os modelos utilizados foram: regressão linear, floresta aleatória, vetores de suporte e redes neurais. Os resultados revelaram que a regressão linear apresentou os maiores erros, enquanto as redes neurais tiveram o melhor resultado. Os resultados evidenciaram a flexibilidade e robustez das redes neurais para tratamento de dados, em comparação com a simplicidade da regressão linear.
Palavras-chave:	Sensor Virtual Aprendizado de Máquina Bombeamento Centrífugo Submerso
CNPq:	CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
Idioma:	por
País:	Brasil
Editora / Evento / Instituição:	Universidade Federal da Bahia
Sigla da Instituição:	UFBA
metadata.dc.publisher.department:	Escola Politécnica
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.ufba.br/handle/ri/39416
Data do documento:	15-Dez-2023
Aparece nas coleções:	Trabalho de Conclusão de Curso (Graduação) - Engenharia Química (Escola Politécnica)

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.