Inteligência Artificial implementada para reconhecimento de padrões de áreas sustentáveis avaliando o banco de dados das restrições de segurança socioambientais
DOI:
https://doi.org/10.33448/rsd-v10i10.18841Palavras-chave:
Desenvolvimento Sustentável; Gestão Ambiental; Aterro Sanitário; Computação Bioinspirada; Inteligência Artificial; Árvore de Decisão; Matriz de critérios.Resumo
Os diversos artigos divulgados recentemente, aplicados no desenvolvimento sustentável, têm considerado novas metodologias e técnicas na identificação dos principais critérios, em formato numérico, que são úteis na formulação de possíveis soluções para o problema dos resíduos sólidos. Este artigo apresenta o Processo de Modelagens Matemática e Computacional (PM2C) aplicado na determinação das variáveis de controle relacionadas à seleção das áreas destinadas à construção de aterros sanitários, de maneira a se beneficiar das novas análises e valores obtidos pelos métodos como AHP (Analytical Hierarchy Process) e o GIS (Geographic Information Systems). O trabalho tem como objetivo primordial o uso de Inteligência Artificial (IA), mediante a estratégia de Árvore de Decisão, como método seletivo e soluções ótimas na escolha da melhor área dedicada a edificação de aterros sanitários, com a criação e análise de novos valores aplicados a cenários definidos no trabalho de Andrade e Barbosa (2015). Os resultados, expressos nas formas analítica e gráfica, exibem os valores individuais para cada critério e novos cenários envolvidos nos fenômenos. Neste artigo, denota-se a importância da incorporação de novas condições e critérios para propor novas regras de tomada de decisão, associando, simultaneamente, características qualitativas e quantitativas, relacionadas aos efeitos sociais e econômicos, aplicado ao sistema de gerenciamento ambiental. Fundamentando nesses princípios, foi possível a simulação de novos cenários que demonstram, com altíssima precisão, os melhores valores dos critérios úteis à tomada de decisão da seleção da área ótima para a implantação de um aterro sanitário.
Referências
ABNT, N. 13.896 (1997) Aterros de resíduos não perigosos–Critérios para projeto, implantação e operação. Rio de Janeiro. Retrieved from https://www.abntcatalogo.com.br/norma.aspx?ID=4829.
Andrade, A. J. B., & Barbosa, N. P. P. (2015). Combinação do método AHP e SIG na seleção de áreas com potenciais para a instalação de aterro sanitário: caso da ilha do Fogo, na República de Cabo Verde. Revista de Geografia (UFPE), 32(2), 248-266.
Brito, D. A. C., Seabra, L. C., Lima, P. D. M., & Souza, C. M. N. (2020). MANEJO DE RESÍDUOS SÓLIDOS E DE ÁGUAS PLUVIAIS: O (DES) CONTROLE SOCIAL EM BELÉM, PARÁ. Revista Eletrônica de Gestão e Tecnologias Ambientais, 8(2), 103-118.
Chalmers, A. (1999). What is This Thing Called Science? London: Open University Press.
Crump, T. (2002). A Brief History of Science, as Seen Through the Development of Scientific Instruments. London: Robinson.
Costa, D. C. L., de Oliveira Costa, H. A., Castro, A. P. S., Cruz, E. C., Neto, J. L. A., & da Cruz, B. C. C. (2020). As dimensões das Modelagens Matemática e Computacional prescrevidas à Gestão Ambiental. Research, Society and Development, 9(10), e6939109013-e6939109013. DOI: 10.33448/rsd-v9i10.9013. Retrieved from: https://rsdjournal.org/index.php/rsd/article/view/9013.
Costa, D. C., Nunes, M. V., Vieira, J. P., & Bezerra, U. H. (2016). Decision tree-based security dispatch application in integrated electric power and natural-gas networks. Electric Power Systems Research, 141, 442-449.
de Oliveira Costa, H. A., Costa, D. C. L., & de Meneses, L. A. (2021). Interdisciplinarity Applied to the Optimized Dispatch of Integrated Electricity and Natural Gas Networks using the Genetic Algorithm. Research, Society and Development, 10(2), e42110212641-e42110212641. DOI: 10.33448/rsd-v10i2.12641. Retrieved from: https://rsdjournal.org/index.php/rsd/article/view/1264
Crepaldi, P. G., Avila, R. N. P., de Oliveira Paulo, J. P. M., Rodrigues, R., & Martins, R. L. (2011). Um estudo sobre a árvore de decisão e sua importância na habilidade de aprendizado. Retrieved from: https://www.inesul.edu.br/revista/arquivos/arq-idvol_15_1320100263.pdf
Freddo, A. R., Nishiyama, M. F., Zanuzo, K., & Koehnlein, E. (2019). Árvores de Decisão como Método de Mineração de Dados: Análise de Prontuários de uma Clínica Escola de Nutrição. Revista Da Associação Brasileira De Nutrição-RASBRAN, 10(2), 31-37.
De Felice, F., Crocetti, D., Parisi, M., Maiuri, V., Moscarelli, E., Caiazzo, R., ... & Tombolini, V. (2020). Decision tree algorithm in locally advanced rectal cancer: an example of over-interpretation and misuse of a machine learning approach. Journal of cancer research and clinical oncology, 146(3), 761-765.
Garcia, S. C. (2003). O uso de árvores de decisão na descoberta de conhecimento na área da saúde. Rio Grande do Sul: Universidade Federal do Rio Grande do Sul. Retrieved from: http://hdl.handle.net/10183/4703
Hasan, R., Palaniappan, S., Raziff, A. R. A., Mahmood, S., & Sarker, K. U. (2018, August). Student academic performance prediction by using decision tree algorithm. In 2018 4th international conference on computer and information sciences (ICCOINS) (pp. 1-5). IEEE.
Yazdi, S., Vosoogh, A., & Bazargan, A. (2018). The Application of Membrane Bioreactors (MBR) for the Removal of Organic Matter, Nutrients, and Heavy Metals from Landfill Leachate.
Johnson, K. W., Torres Soto, J., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., Ashley, E., & Dudley, J. T. (2018). Artificial Intelligence in Cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679.
Khorram, A., Yousefi, M., Alavi, S. A., & Farsi, J. (2015). Convenient landfill site selection by using fuzzy logic and geographic information systems: a case study in Bardaskan, East of Iran. Health Scope, 4(1) 1-10.
Krestinskaya, O., & James, A. P. (2016, September). Bioinspired memory model for HTM face recognition. In 2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI) (pp. 1528-1532). IEEE.
Kumar, A., Sah, B., Singh, A. R., Deng, Y., He, X., Kumar, P., & Bansal, R. C. (2017). A review of multi criteria decision making (MCDM) towards sustainable renewable energy development. Renewable and Sustainable Energy Reviews, 69, 596-609.
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375.
Magalhães, D. F. V., da Cunha Vieira, M. I. M., & de Souza Norberto, A. (2020). Dimensionamento de geossintético para reforço de aterro sobre solo mole. Research, Society and Development, 9(8), e355985323-e355985323.
Martins, M. E. G. (2013). Desvio padrão amostral. Revista de ciência elementar, 1(1) 022
Mayer, R. E. (2019). Computer games in education. Annual review of psychology, 70, 531-549.
Mu, Y., Liu, X., & Wang, L. (2018). A Pearson’s correlation coefficient based decision tree and its parallel implementation. Information Sciences, 435, 40-58.
Moreira, L. L., Schwamback, D., Corrêa, N. R., & COELHO, A. L. N. (2016). SIG Aplicado à seleção de áreas potenciais para instalação de aterro sanitário no município de serra–ES. Geosciences= Geociências, 35(4), 531-541.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J. & Shitsuka, R. (2018). Metodologia da pesquisa científica.[e-book], 1. Santa Maria. UAB/NTE/UFSM. Retrieved from: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1
Pinheiro, M. M. F., Osco, L. P., Mendes, T. S. G. & Ramos, A. P. M. (2019). Caracterização das áreas restritas para implantação de aterro sanitário na região do Pontal do Paranapanema - SP. In: Anais do XIX Simpósio Brasileiro de Sensoriamento Remoto, Santos. São José dos Campos, INPE, 2019. Retrieved from: https://proceedings.science/sbsr-2019/papers/caracterizacao-das-areas-restritas-para-implantacao-de-aterro-sanitario-na-regiao-do-pontal-do-paranapanema---sp?lang=en.
Portella, M. O., & Ribeiro, J. C. J. (2014). Aterros sanitários: Aspectos gerais e destino final dos resíduos. Revista Direito Ambiental e Sociedade, 4(1), 115-134.
Priya, K.S., Burman, I., Tarafdar, A., & Sinha, A. (2018). Impact of Ammonia Nitrogen on COD Removal Efficiency in Anaerobic Hybrid Membrane Bioreactor Treating Synthetic Leachate. International Journal of Environmental Research, 13, 59-65.
Paula, J. A. A. de, Faria, Érica V. de, Lima, A. C. P., Vieira Neto, J. L., & Santos, K. G. dos. (2020). Computational simulation of soybean particles flow in a hopper using computational fluid dynamics (CFD) and discrete elements method (DEM). Research, Society and Development, 9(8), e448985463. https://doi.org/10.33448/rsd-v9i8.5463
Ramadhan, I., Sukarno, P., & Nugroho, M. A. (2020, June). Comparative Analysis of K-Nearest Neighbor and Decision Tree in Detecting Distributed Denial of Service. In 2020 8th International Conference on Information and Communication Technology (ICoICT) (pp. 1-4). IEEE.
RAPIDMINER 9. Operator Reference Manual. All rights reserved. RapidMiner GmbH. www.rapidminer.com November 9, 2020.
Sathiyanarayanan, P., Pavithra, S., Saranya, M. S., & Makeswari, M. (2019, March). Identification of breast cancer using the decision tree algorithm. In 2019 IEEE International Conference on System, Computation, Automation and Networking (ICSCAN) (pp. 1-6). IEEE.
Şener, Ş., Şener, E., Nas, B., & Karagüzel, R. (2010). Combining AHP with GIS for landfill site selection: a case study in the Lake Beyşehir catchment area (Konya, Turkey). Waste management, 30(11), 2037-2046.
Souto, G. D. (2009). Lixiviado de aterros sanitários brasileiros: estudo de remoção do nitrogênio amoniacal por processo de arraste com ar (stripping) (Doctoral dissertation, Universidade de São Paulo).
Sodré, G. R. C., de Freitas, S. J. N., Rodrigues, J. B., Igawa, T. K., de Sousa Amorim, I. L., & Cabral, A. C. L. C. (2020). Avaliação sustentável para instalação de aterro sanitário em uma cidade da Amazônia oriental. Nature and Conservation, 13(3), 112-121.
Swacha, J., Maskeliūnas, R., Damaševičius, R., Kulikajevas, A., Blažauskas, T., Muszyńska, K., ... & Kowalska, M. (2021). Introducing Sustainable Development Topics into Computer Science Education: Design and Evaluation of the Eco JSity Game. Sustainability, 13(8), 4244.
Szczepanski, M. (2019). Economic impacts of artificial intelligence (AI). European Parliamentary Research Service (PE 637.967).
Vaishya, R., Javaid, M., Khan, I. H., & Haleem, A. (2020). Artificial Intelligence (AI) applications for COVID-19 pandemic. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 14(4), 337-339.
Yang, X., Zhou, T., Zwang, T. J., Hong, G., Zhao, Y., Viveros, R. D., ... & Lieber, C. M. (2019). Bioinspired neuron-like electronics. Nature materials, 18(5), 510-517.
Yoo, S. H., Geng, H., Chiu, T. L., Yu, S. K., Cho, D. C., Heo, J., ... & Lee, H. (2020). Deep learning-based decision-tree classifier for COVID-19 diagnosis from chest X-ray imaging. Frontiers in medicine, 7, 427.
Wu, Y., Zhou, J., Hu, Y., Li, L., & Sun, X. (2018). A TODIM-based investment decision framework for commercial distributed PV projects under the energy performance contracting (EPC) business model: A case in East-Central China. Energies, 11(5), 1210.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Julio Leite Azancort Neto; Arleson Lui Silva Gonçalves; Brennus Caio Carvalho da Cruz; Larissa Luz Gomes; Denis Carlos Lima Costa
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
