Avaliação de modelos de previsão do ruído sonoro urbano com redes neurais artificiais

• Ano de defesa: 2021
• Autor(a) principal: Alves, Carlos Henrique Rodrigues
• Orientador(a): Trojan, Flavio
• Banca de defesa: Trojan, Flavio , Lotufo, Anna Diva Plasencia , Siqueira, Hugo Valadares
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia de Produção
• País: Brasil
• Palavras-chave em Português: Poluição sonora; Tráfego urbano; Trânsito - Ruído; Redes neurais (Computação); Noise pollution; City traffic; Traffic noise; Neural networks (Computer science)
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/26653

O ruído de tráfego urbano é uma das maiores fontes de poluição sonora sendo composto pelos diferentes tipos de veículos que circulam nas vias. Poucos estudos têm sido realizados em busca de uma metodologia capaz de antever o ruído sonoro urbano a partir do volume de tráfego e de diversas outras variáveis presentes no ambiente. Este trabalho objetiva avaliar por meio de comparações os menores erros de previsão do ruído sonoro do tráfego urbano usando os modelos de Redes Neurais Artificiais MLP, ELM e RBF frente ao modelo linear de Regressão Linear Múltipla. Os dados utilizados nesse trabalho são fruto da revisão bibliográfica acerca do tema e das bases de dados coletados nas cidades de Goiânia-GO e Maringá-PR. Os resultados encontrados pelas redes são comparados em termos de seus erros médios para avaliação dos melhores mapeadores do nível equivalente sonoro Leq que é a saída dos modelos e representa o ruído sonoro produzido pelo tráfego. Os modelos neurais nesse estudo se mostraram melhores mapeadores do Leq se comparados ao modelo linear.