Artigo - Open Access.

Idioma principal

PREVISÃO DA DEMANDA BIOQUÍMICA DE OXIGÊNIO POR MEIO DE VARIÁVEIS LIMNOLÓGICAS UTILIZANDO MODELOS DE APRENDIZADO DE MÁQUINA EM PYTHON

FORECASTING OF OXYGEN BIOCHEMICAL DEMAND BY LIMNOLOGICAL VARIABLES USING MACHINE LEARNING MODELS IN PYTHON

SILVA, LUCAS OLIVEIRA MENDES DA ; CARVALHO, FREDE DE OLIVEIRA ; FILHO, MARCONE CORREIA DE OLIVEIRA LIMA ; SILVA, DHANDARA LUCYMILLA CONCEIçãO DA ; VANDERLEI, LAVíNNEA DE ALMEIDA ; , ;

Artigo:

A Demanda Bioquímica de Oxigênio (DBO) é a quantidade de oxigênio indispensável para oxidação de matéria orgânica presente na água e, quando em excesso, pode causar problemas ambientais graves. Dessa forma, o monitoramento de parâmetros limnológicos como a DBO se torna necessário para manutenção da qualidade de águas superficiais. O entendimento da dinâmica de ambientes aquáticos pode ser uma tarefa difícil devido à alta complexidade envolvida nestes fenômenos, a sazonalidade e efeitos espaciais. Assim, o uso de algoritmos de aprendizado de máquina para o estudo da dinâmica em ambientes aquáticos vem sendo cada vez mais recorrente. Reconhecendo a demanda surgida, este trabalho buscou aplicar Support Vector Machine (SVM) e Redes Neurais Artificiais (RNA), técnicas de aprendizado de máquina, para quantificar a DBO no Rio Lam Tsuen, situado na China, a partir de variáveis limnológicas.

Artigo:

Palavras-chave: REDES NEURAIS ARTIFICIAIS, MáQUINA DE VETORES DE SUPORTE, DEMANDA BIOQUíMICA DE OXIGêNIO,

Palavras-chave: ARTIFICIAL NEURAL NETWORKS, SUPPORT VECTOR MACHINE, OXYGEN BIOCHEMICAL DEMAND,

DOI: 10.5151/cobecic2019-SOCP54

Referências bibliográficas
Como citar:

SILVA, LUCAS OLIVEIRA MENDES DA; CARVALHO, FREDE DE OLIVEIRA; FILHO, MARCONE CORREIA DE OLIVEIRA LIMA; SILVA, DHANDARA LUCYMILLA CONCEIçãO DA; VANDERLEI, LAVíNNEA DE ALMEIDA; , ; "PREVISÃO DA DEMANDA BIOQUÍMICA DE OXIGÊNIO POR MEIO DE VARIÁVEIS LIMNOLÓGICAS UTILIZANDO MODELOS DE APRENDIZADO DE MÁQUINA EM PYTHON", p. 3164-3170 . In: Anais do XIII Congresso Brasileiro de Engenharia Química em Iniciação Científica. São Paulo: Blucher, 2019.
ISSN 2359-1757, DOI 10.5151/cobecic2019-SOCP54

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações