Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufba.br/handle/ri/18678
metadata.dc.type: | Dissertação |
Título : | Análise de componentes principais integrada a redes neurais artificiais para predição de matéria orgânica |
Autor : | Morais, Jácina Tábita Gurgel |
metadata.dc.creator: | Morais, Jácina Tábita Gurgel |
Resumen : | Diversas técnicas avançadas vêm sendo adotada em plantas de tratamento de efluentes industriais com o propósito de melhorar o monitoramento e controle operacional da planta a fim de garantir a qualidade do efluente tratado antes de descartá-lo. Dentre estas técnicas, as redes neurais artificiais (RNAs) têm sido utilizadas com sucesso na modelagem destes sistemas. Entretanto, um passo importante e fundamental para um desempenho satisfatório das RNAs é o pré-processamento de dados. Esta tarefa requer uma análise cuidadosa dos dados a fim de obter-se um conjunto de variáveis e dados que melhor represente o sistema. O objetivo desta pesquisa consiste em construir modelos de predição da quantidade de matéria orgânica, medida por DQO, de uma lagoa aerada de uma empresa de produção de papel e celulose, e comparar o desempenho dos modelos construídos quando utilizada a técnica de análise de componentes principais (PCA) para pré-processamento dos dados. PCA foi utilizada nesta pesquisa para reduzir dimensionalmente o conjunto de dados através da seleção de componentes principais, descarte de variáveis originais e exclusão de possíveis outliers. Cinco conjuntos de dados foram formados para comparar o desempenho das RNAs com e sem aplicação de PCA, além do uso da DQO como unidade de concentração (mg de DQO.L-1) e como carga orgânica (kg de DQO.dia-1). Esse desempenho foi avaliado pelo erro quadrático médio (EQM), índice de correlação (R²), índice de correlação ajustado (R²ajustado) e a complexidade da rede (Cn). A verificação da adequação do modelo é feita através da análise residual. A PCA foi capaz de facilitar o processo de aprendizagem da rede neural e reduzir os custos operacionais pelo descarte de variáveis originais. A DQO como carga orgânica também ajudou a melhorar o desempenho da rede PCA-RNA. |
Palabras clave : | Matéria orgânica Processamento de dados Redes neurais (computação). |
metadata.dc.publisher.country: | brasil |
metadata.dc.publisher.initials: | UFBA |
metadata.dc.publisher.program: | Engenharia Industrial |
metadata.dc.rights: | Acesso Aberto |
URI : | http://repositorio.ufba.br/ri/handle/ri/18678 |
Fecha de publicación : | 3-mar-2016 |
Aparece en las colecciones: | Dissertação (PEI) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Dissertacao Tabita.pdf | 3,28 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.