
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
| Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
| Autor(es): dc.contributor | Lima, Rafael Henrique Palma | - |
| Autor(es): dc.contributor | Ferreira, Marco Antonio | - |
| Autor(es): dc.creator | Ariza, Vinicius Matheus Pimentel | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:57:01Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:57:01Z | - |
| Data de envio: dc.date.issued | 2022-08-18 | - |
| Data de envio: dc.date.issued | 2022-08-18 | - |
| Data de envio: dc.date.issued | 2022-06-02 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29336 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1104783 | - |
| Descrição: dc.description | The development of reliable predictive models that estimate biogas production in industrial-scale facilities has been a challenge. The use of a Machine Learning model combined with analytical tools can support decision-making and improve the performance of biogas plants. In this context, the present work aimed to develop Machine Learning models to estimate the production of biogas, using daily data from analysis and sensors of a plant producing biogas from residues from the sugar and ethanol industry. The methodology involved the use of Random Forest, Artificial Neural Networks, Support Vector Machine, and Least Absolute Shrinkage And Selection Operator Algorithms, being adjusted and compared using the R-squared, Mean absolute error (MAE) and Mean absolute percentage error (MAPE) metrics. The results showed that the Random Forest model obtained the best results, with a final R-squared of 0,83 for the test set. It was also found that the main attributes for the estimation of biogas production were the amount of waste dosed (solid and liquid) and pH. Finally, a web application was also developed to perform the estimations using the best model generated. | - |
| Descrição: dc.description | O desenvolvimento de modelos preditivos confiáveis que estimam a produção de biogás em instalações de escala industrial tem-se mostrado um desafio. A utilização de um modelo de Aprendizado de Máquina combinado com ferramentas analíticas pode apoiar a tomada de decisão e aprimorar o desempenho das usinas de biogás. Neste contexto, o presente trabalho teve como objetivo desenvolver modelos de Aprendizado de Máquina para estimar a produção de biogás, utilizando dados diários de análises e de sensores de uma usina produtora de biogás a partir de resíduos da indústria sucroalcooleira. A metodologia envolveu a utilização dos algoritmos Random Forest, Redes Neurais Artificiais, Support Vector Machine e Least Absolute Shrinkage And Selection Operator, sendo ajustados e comparados através das métricas R-quadrado, Mean absolute error (MAE) e Mean absolute percentage error (MAPE). Os resultados mostraram que o modelo Random Forest obteve os melhores resultados, com R-quadrado final de 0,83 para o conjunto de teste. Também verificou-se que os principais atributos para a estimação da produção de biogás foram a quantidade de resíduos dosado (sólidos e líquidos) e o pH. Por fim, também foi desenvolvida uma aplicação web para realizar as estimações utilizando o melhor modelo gerado. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Londrina | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Engenharia de Produção | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | https://creativecommons.org/licenses/by/4.0 | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Análise de regressão | - |
| Palavras-chave: dc.subject | Biogás | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Regression analysis | - |
| Palavras-chave: dc.subject | Biogas | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
| Título: dc.title | Estimação da produção de biogás na codigestão anaeróbia de resíduos orgânicos da indústria sucroalcooleira utilizando algoritmos de aprendizado de máquina | - |
| Título: dc.title | Estimation of biogas production in anaerobic codigestion of organic residues from the sugar-alcohol industry using machine learning algorithms | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: