Redes Neurais Artificiais para determinação da composição de resíduos sólidos urbanos

Abstract

O manejo inadequado dos Resíduos Sólidos Urbanos (RSU) pode acarretar inúmeros problemas e transtornos socioeconômicos e ambientais, como por exemplo, doenças, enchentes e danos ao meio ambiente. Sendo, portanto, um grande problema ao poder público, que necessita investir cada vez mais para realizar o gerenciamento. Uma forma de auxiliar na gestão de qualquer tipo de resíduo é determinar a sua composição gravimétrica, porém esse processo possui alto custo e varia de acordo com as condições da população. Portanto, esse trabalho objetiva utilizar o Índice de Desenvolvimento Humano municipal (IDHm), para modelar, por meio de Redes Neurais Artificiais (RNA), dados quantitativos a respeito da composição de RSU em municípios. Para isso, foi necessário coletar dados nas bibliografias disponíveis sobre a composição gravimétrica e IDHm, tratá-los e construir um banco de dados, para em seguida treinar as redes neurais estudadas. O treinamento consistiu em fixar o tipo de rede (Bayesian Regularization) e alternar a quantidade de neurônios na camada oculta, o número de iterações do processo e o tipo de função de ativação, determinando assim qual rede se adaptou melhor aos dados. A RNA escolhida foi executada e comparada com dados de composição gravimétrica de 3 municípios: Campina Grande - PB, São Carlos - SP e Curitiba - PR. Com os resultados obtidos, verificou-se que a RNA teve boa performance quando executada, por isso, foi realizada a previsão da composição de RSU em relação a esses municípios para o ano de 2030. As principais características apresentadas foram a redução de geração de matéria orgânica e o aumento da quantidade de resíduos na categoria “outros”.