Mapeamento de áreas potenciais à implantação de aterro sanitário em Guarapuava (PR), com uso de redes neurais artificiais<p>Mapping potential areas for the establishment of landfill in Guarapuava (PR), using artificial neural networks
Palavras-chave:
Aterro Sanitário, Resíduos Sólidos Domiciliares, Redes Neurais Artificiais, Guarapuava-PR.Resumo
Este trabalho apresenta o mapeamento de áreas com potencialidade de implantação de aterro sanitário em Guarapuava (PR), utilizando a metodologia baseada na classificação supervisionada, por Redes Neurais Artificiais (RNA). Para a classificação foi realizada uma série de testes com variações de dados de entrada, e nos parâmetros da RNA; desta forma foram obtidos diferentes resultados na camada de saída. Os melhores resultados foram obtidos com a arquitetura composta por cinco camadas de entrada e com dois neurônios na camada escondida e com alterações das variáveis de limiar de treinamento de 0.8000, taxa de aprendizagem 0.1000, dinâmica do treinamento de 0.8000, erro médio quadrático de 0.0500 e o número de iterações de 2000, sendo considerada a arquitetura ideal para este tipo de classificação. De forma que as RNAs representam uma técnica capaz de separar características de áreas com potencial de implantação do aterro sanitário, por meio da integração de variáveis, com diferentes origens e escalas, o que não é possível com classificadores estatísticos convencionais.
Abstract
This paper presents the mapping of areas with potential for landfill implementation in Guarapuava (PR), using the methodology based on classification by Artificial Neural Networks (ANN). For classification a series of tests with variations in the number of layers of input, and the parameters of the ANN were performed. Thus, different results were obtained in the output layer. The best results were obtained with the architecture consisting of 5 layers of input and 2 neurons in the hidden layer and changing the variables of threshold training 0.8000, 0.1000 learning rate, dynamic training of 0.8000, mean square error of 0.0500 and number of iterations of 2000, and it was considered the ideal architecture for this type of classification. In this way, it was considered that the ANN represent a technique capable of separating characteristics of areas with potential for landfill implementation, through the integration of variables from different sources and scales, which is not possible using with conventional statistical classifiers.
Downloads
Publicado
Edição
Seção
Licença
DECLARAÇÃO DE AUTORIA
Declaro ser autor/a do manuscrito submetido à apreciação da Revista AMBIÊNCIA. Declaro, ainda, responsabilizar-me pela originalidade da obra e afirmo que o texto não foi publicado por outra editora ou revista. Declaro que o manuscrito respeita a Lei 9.610/1988 dos direitos autorais, no que concerne ao texto propriamente dito, às referências e citações de fontes de pesquisa utilizadas. Declaro que o texto atende as disposições de Comitês de Ética na pesquisa. Declaro ter adquirido os direito autorais reservados ou ter permissão de uso de fotos, imagens, quadros, marcas registradas, nomes de organizações ou empresas. Declaro ter autorização para publicar resultado de entrevistas e manifestações orais ou escritas de pessoas envolvidas na pesquisa.
DECLARAÇÃO DE CESSÃO DE DIREITO AUTORAL
Declaro que a obra cedida não tem nenhum impedimento legal para publicação e divulgação. Declaro que, se o manuscrito (artigo, nota técnica, relato de caso, revisão bibliográfica) for aceito, cedo gratuitamente os direitos autorais à Revista AMBIÊNCIA (Editora da Unicentro) para publicação impressa ou em meio eletrônico. Declaro aceitar o licenciamento do artigo, nota técnica, relato de caso, revisão bibliográfica sob Creative Commons Attribution License e permito o compartilhamento do conteúdo, com reconhecimento de autoria. Esses termos ficam aceitos e acordados quando da finalização dos itens de submissão do trabalho, dispensando a declaração, na forma impressa ou assinada.
