Banca de DEFESA: MARCO AURELIO ANDRADE CACHEADO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : MARCO AURELIO ANDRADE CACHEADO
DATA : 16/08/2024
HORA: 18:30
LOCAL: meet.google.com/egs-nqci-wtm
TÍTULO:

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA AVALIAÇÃO DA PERFORMANCE DE CÉLULAS DE ENERGIA MICROBIANA

PALAVRAS-CHAVES:

Inteligência Computacional, Reatores; Microrganismos; Neuro-Fuzzy

PÁGINAS: 79
RESUMO:

A crescente geração de efluentes industriais e domésticos, aliada ao crescimento populacional e à proposta de legislação ambiental mais rigorosa, surgiu a necessidade de soluções inovadoras. Isto inclui a integração de preocupações como a geração de energia e o tratamento de águas residuais por meio de Células de Energia Microbiana (CEM). As CEM utilizam microrganismos para converter energia química em energia elétrica durante a degradação da matéria orgânica. Para avaliar e determinar os parâmetros de utilização de CEM, foi proposto o uso de Redes Neurais Artificiais (RNAs) e sistemas Neuro-Fuzzy. As RNAs são modelos computacionais treinados com base em informações fornecidas e constantemente atualizadas para otimizar a identificação de padrões e fornecer respostas rápidas sobre um determinado sistema. O sistema neuro-fuzzy utilizado foi o sistema ANFIS (Adaptative Network-based Fuzzy Inference System) que consiste de rede neural do tipo MLP (Multi Layer Perceptron) feedforward que usa algoritmos de aprendizagem da rede neural e regras fuzzy para mapear um espaço de entrada a um espaço da saída. Para a aplicação e avaliação de RNAs nas CEM, foi utilizado um modelo de RNA feedforward com diversas configurações entre camadas ocultas, número de neurônios e funções de ativação. As variáveis de entrada foram a área do ânodo (cm²), a resistência elétrica externa (Ω) e o volume (mL), enquanto a variável de saída foi a Densidade de Potência (mWm^-2). O melhor desempenho para RNAs foi uma rede com 120 neurônios nas camadas ocultas, utilizando a função de ativação tansig com 19 interações, resultando em um R² de 0,89562 no conjunto de treinamento, 0,74617 na validação, 0,90633 no ajuste com todos os dados experimentais e um erro aproximado de 0,0845. Da mesma forma, para RNAs com uma camada oculta, os resultados mais promissores foram obtidos com 90 neurônios, a função de ativação tansig, 22 interações e um R² de 0,92628 no conjunto de treinamento, 0,82224 na validação, 0,91009 no ajuste com todos os dados experimentais, e um erro aproximado de 0,0168. Considerando o sistema Neuro-Fuzzy ANFIS, os melhores resultados foram alcançados com 27 neurônios na camada oculta, utilizando um algoritmo de treinamento híbrido, a função de pertinência gaussiana e obteve-se um valor de R² de 0,954 nos ajustes dos dados experimentais vs preditos. Concluindo, a utilização de Redes Neurais Artificiais e do sistema Neuro-Fuzzy ANFIS no contexto de células de energia microbiana apresentou resultados promissores.

MEMBROS DA BANCA:
Presidente - 1811284 - EDSON ROMANO NUCCI
Interno - 1742695 - JUAN CANELLAS BOSCH NETO
Externa ao Programa - 1715292 - ANA PAULA FONSECA MAIA DE URZEDO
Externo à Instituição - ANDRE AGUIAR MENDES - UNIFEI