Redes neurais artificiais e modelagem matemática aplicadas na classificação de espécies de biomassa mais propícia a produção de energia

• Processo: 24/16751-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2024
• Data de Término da vigência: 30 de novembro de 2025
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Alfredo Bonini Neto
• Beneficiário: Júlio César Rocha Montagnani
• Instituição Sede: Faculdade de Ciências e Engenharia. Universidade Estadual Paulista (UNESP). Campus de Tupã. Tupã , SP, Brasil
• Assunto(s): Biomassa Produção de energia Redes neurais (computação) Termogravimetria
• Palavra(s)-Chave do Pesquisador: Biomassa | Classificação de espécies | Produção de Energia | Redes Neurais Artificiais | Termogravimetria | Energia, inteligência artificial, matemática aplicada e biomassa

Resumo

A produção de energia é fundamental para o desenvolvimento de um país. No Brasil, a maior parte da demanda energética é atendida por energia hidrelétrica. No entanto, a desregulamentação do setor elétrico e as políticas restritivas na construção de novas linhas de transmissão têm forçado o sistema elétrico a operar perto de sua capacidade máxima, resultando em falhas e racionamento de energia durante períodos de seca. Diante desses desafios, é essencial diversificar a matriz energética e investir em fontes alternativas e renováveis. As curvas de análise Termogravimétrica (TGA) da madeira frequentemente apresentam layouts muito semelhantes, dificultando a obtenção de informações específicas sobre os componentes ou o tipo de biomassa utilizando técnicas tradicionais, que geralmente se baseiam na diminuição do peso da amostra em valores específicos de temperatura. Neste projeto, Redes Neurais Artificiais (RNA) serão aplicadas como uma técnica inovadora para identificar de forma mais eficaz espécies de madeira ou diferenças em seus componentes. A pesquisa focará na avaliação do uso de marcadores de curva TGA, que funcionam de forma semelhante aos marcadores genéticos, para obter informações detalhadas sobre a biomassa. Esses marcadores são múltiplos valores de percentual de peso residual em relação ao peso inicial em temperaturas específicas da curva TGA. As RNAs ajustam automaticamente os pesos com base em padrões de treinamento a partir dos dados dos marcadores de entrada, permitindo assim uma classificação mais precisa das amostras. Devido à sua capacidade de replicar curvas para a mesma amostra e suas características únicas, a análise termogravimétrica torna-se uma ferramenta valiosa para identificar espécies de madeira e caracterizar a composição da biomassa. Além das RNAs, serão utilizados métodos de regressão e correlação para analisar a relação entre os dados obtidos e os valores estimados. A regressão criará modelos matemáticos que descrevem a relação entre os marcadores TGA e o tipo de biomassa, enquanto a correlação avaliará a força e a direção dessas relações. O uso dessas técnicas avançadas proporcionará dados detalhados sobre a biomassa, aprimorando a classificação das amostras e contribuindo para o desenvolvimento de uma matriz energética mais diversificada e sustentável, ao identificar as espécies de madeira mais adequadas para a geração de energia.