Estimativa da eficiência energética do processo aeração de grãos armazenados através de machine learning

RESUMO

A aeração é realizada por meio da insuflação do ar externo para dentro do silo, tendo como objetivo manter a temperatura da massa de grãos armazenados em níveis seguros. No presente estudo foi estimada a eficiência energética da aeração de grãos de girassol armazenados, assim como proposto e testado um modelo de estimativa da eficiência energética da aeração, utilizando diferentes algoritmos no aprendizado de máquinas supervisionado e não supervisionado. O objetivo no trabalho foi desenvolver uma aplicação Web a partir da mineração e modelagem dos dados com o aprendizado de máquinas. O banco de dados foi composto pelas informações da temperatura média do nível dos sensores, temperatura média do silo, temperatura ambiente externa, ocorrência de aeração, se houve resfriamento, aquecimento e aquecimento direto durante aeração, e a eficiência energética do processo de aeração. O modelo de estimativa da eficiência energética do processo de aeração demonstrou-se eficiente, identificando que durante a aeração de grãos de girassol armazenados a eficiência energética foi de 97,78%. Dentre os algoritmos classificadores testados na Máquina de Vetores de Suporte (SVM-Poly) apresentou as melhores métricas e indicadores, sendo recomendado para implementação em redes de desenvolvimento de sistemas capaz de predizer o status da aeração de grãos armazenados.

Palavras-chave:
Weka; máquina de vetores de suporte; K-means