| Title: |
AVALIAÇÃO DE MÉTODOS DE AGRUPAMENTOS EM DADOS DE BIOMASSA CONSIDERANDO OS DIFERENTES TIPOS DE PIRÓLISE |
| Authors: |
de Oliveira de Souza, Sabrinna Rodrigues; Xavier, Vinicius Layter; Guedes, Raquel Escrivani; Torres, Alexandre Rodrigues; Luna, Aderval Severino; Provenza, Marcello Montillo |
| Source: |
Revista Internacional de Ciências; v. 13 n. 2 (2023): Revista Internacional de Ciências; 124-139 ; 2316-7041 |
| Publisher Information: |
Universidade do Estado do Rio de Janeiro |
| Publication Year: |
2023 |
| Collection: |
Universidade do Estado do Rio de Janeiro (UERJ): Portal de publicações eletrônicas |
| Subject Terms: |
Cluster; Inteligência Artificial; Biomassa; Programa R |
| Description: |
Este estudo aborda um problema de classificação de dados de Biomassa e tem como um dos objetivos identificar as variáveis mais relevantes para a classificação do tipo de pirólise de Biomassa. Além disso, o trabalho tem o objetivo de avaliar se as classes dos tipos de pirólise são suficientes para caracterizar esse processo químico. O algoritmo de Floresta Aleatória foi aplicado para identificar quais variáveis são mais relevantes no processo de classificação do tipo de pirólise, obtendo uma acurácia em torno de 97%. Foi identificado que as variáveis mais importantes são: Tempo de residência médio no reator para o gás e de arraste, Porcentagem de carbono em base seca livre de cinza na matéria-prima, Tamanho da partícula média no reator e Porcentagem de hidrogênio em base seca livre de cinza na matéria-prima. Com o subgrupo das variáveis mais relevantes, os seguintes métodos de agrupamentos foram utilizados: k-means, pam, clara, diana, fanny, hierárquico, som, sota, model. Para avaliar os métodos de agrupamentos, foram utilizadas as medidas de validação interna com as métricas de índice Dunn e silhouette. As medidas de validação indicaram o agrupamento hierárquico e k-means com os melhores resultados para número de grupos maior do que o número de classes de pirólise já existentes. Desta forma, o conjunto de dados deve ser dividido em um número maior de grupos de tipo de pirólise, pois considerar apenas as classes disponíveis é muito limitado para caracterizar o tipo de pirólise, uma vez que os algoritmos de classificação não supervisionados aplicados indicam que o ideal seria o número de agrupamentos serem maiores ou iguais a cinco. |
| Document Type: |
article in journal/newspaper |
| File Description: |
application/pdf |
| Language: |
Portuguese |
| Relation: |
https://www.e-publicacoes.uerj.br/ric/article/view/71261/47607 |
| Availability: |
https://www.e-publicacoes.uerj.br/ric/article/view/71261 |
| Rights: |
Copyright (c) 2023 Sabrinna Rodrigues de Oliveira de Souza, Vinicius Layter Xavier, Raquel Escrivani Guedes, Alexandre Rodrigues Torres, Aderval Severino Luna, Marcello Montillo Provenza |
| Accession Number: |
edsbas.6113D9D |
| Database: |
BASE |