@PHDTHESIS{ 2023:1798941487,
 	title = {Predição das emissões fugitivas de gás metano na camada de cobertura final em aterro sanitário a partir das redes neurais artificiais},
 	year = {2023},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/4781",
 	abstract = "A quantificação das taxas de fluxo de gás metano através da camada de cobertura final em aterro sanitário podem variar no tempo e no espaço, portanto as ferramentas utilizadas para predizer o comportamento do gás metano é essencial. O presente trabalho objetivou determinar a eficiência da camada de cobertura final em um aterro sanitário por meio de dados experimentais in situ, variáveis ambientais e geotécnicas para predição de emissões fugitivas de metano através de um modelo preditivo a partir de redes neurais artificiais. O campo experimental da pesquisa foi o Aterro Sanitário localizado na região semiárida do nordeste brasileiro. As determinações dos fluxos dos gases através da camada de cobertura foram realizadas utilizando-se a metodologia do ensaio com placa de fluxo estática em combinação com a medida de pressão, concentração dos gases, temperatura interna, temperatura externa e velocidade do vento. Foram realizados tratamentos estatísticos e Análise Descritiva dos dados, Análise de Componentes Principais, Regressão Linear Múltipla e por fim aplicação das Redes Neurais Artificiais. O banco de dados sintético foi concebido do modelo da regressão linear múltipla, no qual foram gerados 1000 valores aleatorizados e validados estatisticamente. Este estudo revelou que o melhor modelo obtido para prever a emissão de gás metano ocorreu na camada de entrada com dez neurônios, na camada oculta com vinte neurônios e um neurônio na camada de saída, com função de ativação da camada oculta Tansing e com função de ativação da camada de saída Purelin seguindo a arquitetura (10- 20- 1) com um Mean Absolute Error (MAE) de 0,001, Determination Coefficient (R2 ) de 1,00, Efficiency Coefficient (E) de 1,00 , Root Mean Square Error (RMSE) com valor de 0,001 e Normalize Root Mean Square Error ( NRMS) 9,3E-0,8, obtendo o melhor algoritmo de treinamento o (Bayesian Regularization Backpropagation). Ao se observar a escala preditiva foram apresentados valores de fluxo de metano fora dos recomendados pelas normas, com valor máximo de 492.73 g.m-2.dia-1. A predição, dos resultados obtidos apresentaram que a modelagem da rede neural artificial pode efetivamente prever o fluxo de metano através da camada de cobertura final de aterro sanitário, sendo importante para determinar a sua eficiência. A escala de eficiência demonstra a necessidade de estabelecer parâmetros para que os aspectos observados para a camada de cobertura tornem- se eficientes para que as emissões do gás metano fiquem dentro dos critérios determinados através das normas internacionais, trazendo melhoria no aspecto ambiental e financeiro para estes locais.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação em Ciência e  Tecnologia Ambiental - PPGCTA},
 	note = {Centro de Ciências e Tecnologia - CCT}
}