Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines

Página do item simplificado
dc.contributor.advisorNASCIMENTO, Manoel Henrique Reis
dc.contributor.advisorSILVA, Ítalo Rodrigo Soares
dc.contributor.advisorPARENTE, Ricardo Silva
dc.contributor.advisorFONSECA JUNIOR, Milton
dc.contributor.advisorLEITE, Jandecy Cabral
dc.contributor.advisorLattes
dc.creatorSIQUEIRA JUNIOR, Paulo Oliveira
dc.creator.Latteshttp://lattes.cnpq.br/3532486918877548
dc.date.accessioned2024-08-05T20:18:29Z
dc.date.available2024-08-05T20:18:29Z
dc.date.issued2021-05-01
dc.description.abstractWith the expansion of means of river transportation, especially in the caseof small and medium-sized vessels that make routes of greater distances, the cost of fuel, if not taken as an analysis criterion for a larger profit margin, is considered to be a primary factor , considering that the value of fuel specifically diesel to power internal combustion machines is high. Therefore, the use of tools that assist in decision making becomes necessary, as is the case of the present research, which aims to contribute with a computational model of prediction and optimization of the best speed to decrease the fuel cost considering the characteristics of the SCANIA 315 machine. propulsion model, of a vessel from the river port of Manaus that carries out river transportation to several municipalities in Amazonas. According to the results of the simulations, the best training algorithm of the Artificial Neural Network (ANN) was the BFGS Quasi-Newton considering the characteristics of the engine for optimization with Genetic Algorithm (AG).
dc.description.resumoCom a expansão dos meios de transporte fluvial, principalmente no caso de embarcações de pequeno e médio porte que fazem rotas de maiores distâncias, o custo do combustível, se não for tomado como critério de análise para maior margem de lucro, é considerado um fator primário. fator , considerando que o valor do combustível especificamente diesel para alimentar máquinas de combustão interna é elevado. Portanto, torna-se necessária a utilização de ferramentas que auxiliem na tomada de decisão, como é o caso da presente pesquisa, que visa contribuir com um modelo computacional de previsão e otimização da melhor velocidade para diminuir o custo de combustível considerando as características do SCANIA Máquina 315. modelo de propulsão, de uma embarcação do porto fluvial de Manaus que realiza transporte fluvial para diversos municípios do Amazonas. De acordo com os resultados das simulações, o melhor algoritmo de treinamento da Rede Neural Artificial (RNA) foi o BFGS Quasi-Newton considerando as características do motor para otimização com Algoritmo Genético (AG).
dc.description.sponsorshipSubvenção da Lei de Informática
dc.formatpdf.
dc.identifier.citationJUNIOR, Paulo Oliveira Siqueira; NASCIMENTO, Manoel Henrique Reis; SILVA, Ítalo Rodrigo Soares; PARENTE, Ricardo Silva; JÚNIOR, Milton Fonseca; LEITE, Jandecy Cabral. Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines. International Journal for Innovation Education and Research, Dhaka, Bangladesh, v. 9, n. 5, p. 587–606, 2021. DOI: 10.31686/ijier.vol9.iss5.3128. Disponível em: https://scholarsjournal.net/index.php/ijier/article/view/3128.
dc.identifier.doihttps://doi.org/10.31686/ijier.vol9.iss5.3128
dc.identifier.urihttps://rigalileo.itegam.org.br/handle/123456789/25
dc.languagept
dc.publisherInstituto de Tecnologia e Educação Galileo da Amazônia
dc.publisher.countryBrasil
dc.publisher.departmentInstituto de Tecnologia e Educação Galileo da Amazônia
dc.publisher.initialsITEGAM
dc.publisher.programPrograma de Pós-Graduação em Engenharia, Gestão de Processos, Sistemas e Ambiental
dc.relationhttps://rigalileo.itegam.org.br/items/4304c281-cdc0-4273-8d57-8d1c2fabc70b
dc.subjectInternal combustion engine (MCI)
dc.subjectOptimization and forecasting
dc.subjectArtificial neural networks (RNA)
dc.subjectGenetic Algorithm
dc.subjectMeta-heuristics of computing.
dc.subject.cnpq1.03.00.00-7 Ciência da Computação
dc.titleComputational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines
dc.typeArtigo
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines.pdf
Tamanho:
1.07 MB
Formato:
Adobe Portable Document Format
Baixar
Coleções
Artigos