Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/76366
Tipo: | Artigo de Periódico |
Título: | Previsão da temperatura interna de um forno de carvão de alvenaria utilizando rede neural artificial do tipo LSTM |
Título(s) alternativo(s): | Internal temperature prediction of a masonry coal furnace using LSTM artificial neural network |
Autor(es): | Rogério Santos Maciel Theles de Oliveira Costa Fernando Colen Nilton Alves Maia Sidney Pereira Edy Eime Pereira Baraúna Talita Baldin Luiz Henrique de Souza |
Resumo: | Neste trabalho foi avaliada a capacidade de uma Rede Neural Artificial do tipo LSTM - Long Short Term Memory para predizer a temperatura em um forno de carvão vegetal. Este tipo de forno é amplamente usado no Brasil devido a sua facilidade de construção e pelo seu bom desempenho com um rendimento que pode chegar a 30% de carvão. A LSTM é um tipo de Rede Neural Artificial recorrente amplamente utilizada para predição de séries temporais e que têm demonstrado bons resultados. Foram testados três diferentes modelos de Redes Neurais Artificiais configurados respectivamente com os métodos da janela, memória entre lotes e LSTM’s empilhados com memória entre lotes. A métrica utilizada para avaliar os modelos foi o RMSE- Root Mean Square Error. Essa métrica verifica a distância entre os dados da série temporal original e os dados preditos pela LSTM. Ao final do trabalho foi possível verificar que a LSTM configurada com o método da janela foi a que melhor se adequou para tarefa de predizer a temperatura em um forno de carvão. |
Abstract: | In this work, the ability of a Long Short-Term Memory (LSTM) Artificial Neural Network was evaluated for predicting the temperature in a charcoal furnace. This type of furnace is widely used in Brazil due to its ease of construction and its good performance, with a yield that can reach up to 30% of charcoal. LSTM is a type of recurrent artificial neural network widely used for time series prediction and has demonstrated good results. Three different Artificial Neural Network models were tested, configured respectively with the window method, batch memory, and stacked LSTM with batch memory. The metric used to evaluate the models was the RMSE (Root Mean Square Error). This metric measures the distance between the data from the original time series and the data predicted by the LSTM. In the end, it was possible to verify that the LSTM configured with the window method was the one that best suited the task of predicting the temperature in a charcoal furnace. |
Assunto: | Fornos Redes neurais (Computação) Carvão vegetal |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICA - INSTITUTO DE CIÊNCIAS AGRÁRIAS |
Tipo de Acesso: | Acesso Aberto |
Identificador DOI: | https://doi.org/10.55905/revconv.16n.8-016 |
URI: | http://hdl.handle.net/1843/76366 |
Data do documento: | 2-Ago-2023 |
metadata.dc.url.externa: | https://ojs.revistacontribuciones.com/ojs/index.php/clcs/article/view/1047 |
metadata.dc.relation.ispartof: | Contribuciones a Las Ciencias Sociales |
Aparece nas coleções: | Artigo de Periódico |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Previsão da temperatura interna de um forno de carvão de alvenaria utilizando rede neural artificial do tipo LSTM.pdf | 403.4 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.