1. Repositório UNISC
  2. Teses e Dissertações
  3. Programa de Pós-Graduação em Sistemas e Processos Industriais – Mestrado
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11624/3155
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorDias, Janaina Lopes-
dc.typeDissertação de Mestradopt_BR
dc.language.isopt_BRpt_BR
dc.titleEstudo do uso de mineração de dados no processo de roteamento da coleta de resíduos sólidos urbanos em cidades da região Sul do Brasil.pt_BR
dc.date.issued2021-
dc.degree.localSanta Cruz do Sulpt_BR
dc.contributor.advisorFurtado, João Carlos-
dc.degree.departmentPrograma de Pós-Graduação em Sistemas e Processos Industriaispt_BR
dc.description.notaInclui bibliografia.pt_BR
dc.subject.otherExploração de dados (Computação)pt_BR
dc.subject.otherLixo - Eliminaçãopt_BR
dc.subject.otherSustentabilidadept_BR
dc.subject.otherGestão integrada de resíduos sólidospt_BR
dc.subject.otherImpacto ambientalpt_BR
dc.identifier.urihttp://hdl.handle.net/11624/3155-
dc.date.accessioned2021-08-06T15:05:55Z-
dc.date.available2021-08-06T15:05:55Z-
dc.degree.grantorUniversidade de Santa Cruz do Sulpt_BR
dc.description.resumoO gerenciamento adequado dos resíduos produzidos pelos municípios é um dos grandes desafios para os gestores públicos e para a sociedade, ainda que os processos relacionados às etapas de coleta, transporte e destinação dos resíduos sólidos vêm sendo revistos à medida que surgem e são aplicadas novas tecnologias na área, com a finalidade de alcançar a maior sustentabilidade ambiental, social e econômica para a sociedade. Este trabalho, através do apoio de técnicas e algoritmos de Mineração de Dados e Descoberta de Conhecimento em Bases de Dados (KDD), avalia padrões na coleta de resíduos sólidos urbanos em três municípios do estado do Rio Grande do Sul. Utilizando dados históricos acerca do peso de descarga de caminhões de coleta em unidades de transbordo, dados da rota de recolhimento e dados sociodemográficos e de clima, com o objetivo de predizer a quantidade de resíduos sólidos coletados em cada ponto. A partir do modelo predição, foram utilizadas métricas de avaliação, como Médio Absoluto (Mean Absolute Error - MAE), Erro Quadrático Médio (Root Mean Squared Error - RMSE) e Coeficiente de Determinação (R²) para avaliar a qualidade da base de dados e do modelo proposto. Os resultados mostram que o modelo do algoritmo Gradient Boosting apresentou melhor desempenho MAE (25,244), RMSE (87,667) e R² (0,642) na fase de treinamento e evidenciam o potencial de técnicas de mineração de dados para auxiliar na análise do gerenciamento de resíduos sólidos urbanos.pt_BR
Aparece nas coleções:Programa de Pós-Graduação em Sistemas e Processos Industriais – Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Janaina Lopes Dias.pdf336.27 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item


Este item está licenciado sob uma Licença Creative Commons Creative Commons