Pesquise abaixo utilizando um filtro. Não use acentuação.
Autores:
- Juliana Neves
- João Vítor Rios Fuck
- Maria Alice Prado Cechinel
- Rodrigo Campos de Andrade
- Ricardo Tristão
Trabalho(s) do(a) autor(a):
Análise e perspectivas de aplicação da modelagem numérica a processos de tratamento de efluentes no contexto brasileiro e internacionalAplicação de modelos preditivos de machine learning para parâmetros de qualidade em estações de tratamento de efluentes
Verificação da capacidade instalada e análise de alternativas para o recebimento de vazão de esgoto bruto extra na ete sarandi com o uso de modelagem numérica
Clique no nome para ver mais...
Trabalho(s) do(a) autor(a):
Aplicação de modelos preditivos de machine learning para parâmetros de qualidade em estações de tratamento de efluentesClique no nome para ver mais...
Trabalho(s) do(a) autor(a):
Aplicação de modelos preditivos de machine learning para parâmetros de qualidade em estações de tratamento de efluentesClique no nome para ver mais...
Trabalho(s) do(a) autor(a):
Análise e perspectivas de aplicação da modelagem numérica a processos de tratamento de efluentes no contexto brasileiro e internacionalAplicação de modelos preditivos de machine learning para parâmetros de qualidade em estações de tratamento de efluentes
Sistema de gestão do consumo de água através de internet das coisas – internet of things - iot
Verificação da capacidade instalada e análise de alternativas para o recebimento de vazão de esgoto bruto extra na ete sarandi com o uso de modelagem numérica
Clique no nome para ver mais...
Trabalho(s) do(a) autor(a):
Aplicação de modelos preditivos de machine learning para parâmetros de qualidade em estações de tratamento de efluentesClique no nome para ver mais...
Palavras-chave:
MACHINE LEARNING, TRATAMENTO DE EFLUENTES, MODELO PREDITIVO, , , , ,
Tema:
Desenvolvimento tecnológico e inovação
Idioma: 
Instituição:
HYDROINFO
Endereço:
RUA EMILIO BLUM, 131, SALA 409, BLOCO A
CENTRO - 88020-010
FLORIANOPOLIS - SC
Tel: (48) 98811-9802
Email: jun@hydroinfo.com.br
Edição: 2023
- Potencial de formação de subprodutos da oxidação em efluentes sanitários tratados
- Cationização de hemiceluloses por indução de micro-ondas visando aplicação como coagulante no tratamento de efluente industrial
- Implantação de wetlands construídas no estado de são paulo: análise de viabilidade ecônomica
- Análise e perspectivas de aplicação da modelagem numérica a processos de tratamento de efluentes no contexto brasileiro e internacional
- Aplicação de modelos preditivos de machine learning para parâmetros de qualidade em estações de tratamento de efluentes
APLICAÇÃO DE MODELOS PREDITIVOS DE MACHINE LEARNING PARA PARÂMETROS DE QUALIDADE EM ESTAÇÕES DE TRATAMENTO DE EFLUENTES
Resumo:
Estações de Tratamento de Efluentes (ETEs) apresentam processos bioquímicos complexos de alta variabilidade e difícil previsão. O presente trabalho aborda a utilização de metodologias de Machine Learning (ML) para previsão dos valores de saída de nitrogênio total (NT) de uma ETE simulada utilizando software WEST da DHI e de demanda química de oxigênio (DQO) da ETE da Cervejaria Santa Catarina - Ambev, de Lages/SC. O estudo aborda uma nova metodologia para lidar com mudanças de cenários de operação das ETEs a fim de evitar a perda de qualidade dos modelos preditivos. Para ambas as estações foram abordados três cenários distintos e avaliada a qualidade das previsões pelos modelos de floresta aleatória (RF), máquina de vetor de suporte (SVM) e perceptron multicamadas (MLP). A qualidade das previsões pelo modelo MLP atingiu R² de 0,72 para previsão de NT de saídas na ETE simulada e o modelo RF melhor se adequou aos dados reais da ETE Ambev, apesar da grande discrepância observada entre os dados reais e previstos. Os resultados obtidos nesse estudo evidenciam a importância da coleta e do armazenamento de dados de qualidade e da necessidade de informação sobre mudanças na operação das ETEs para a performance dos modelos preditivos.
, . APLICAÇÃO DE MODELOS PREDITIVOS DE MACHINE LEARNING PARA PARÂMETROS DE QUALIDADE EM ESTAÇÕES DE TRATAMENTO DE EFLUENTES. In: , São Paulo. Anais. Disponível em: http://evolvedoc.com.br/aesabesp/detalhes-4911_aplicacao-de-modelos-preditivos-de-machine-learning-para-parametros-de-qualidade-em-estacoes-de-tratamento-de-efluentes. Acesso em: 08/07/2024.