Título: Estudo Piloto de Detecção Ultrassônica de Etanol em Misturas Água –Etanol: Utilização de Algoritmos de Inteligência Artificial
Autores: Mateus F. Silva, Maxwell Damasceno, Marcelo Moreira Tiago, Ricardo Tokio Higuti & Luiz Carlos Bambirra Torres
Resumo: Este trabalho propõe um método de regressão para estimar a concentração de etanol em misturas aquosas (fração mássica [w/w]) a partir de medições ultrassônicas. Indicadores de energia, potência e variação foram extraídos das séries temporais de ultrassom e usados como entrada para três algoritmos de aprendizado de máquina: Random Forest, Gradient Boosting e Deep Neural Network. A avaliação considerou RMSE, MAE e coeficiente de determinação (R2). Em conjuntos de 24 amostras, o Gradient Boosting obteve os melhores resultados (RMSE = 0,1715; MAE = 0,1218; R2 = 0,693), seguido pelo Random Forest. A Deep Neural Networkapresentou maior sensibilidade ao baixo volume de dados. Os resultados obtidos mostram que o modelo de Boosting é mais estável e se comporta melhor nos diferentes cenários de treinamentos. Embora o erro médio ainda supere o limite de 0,7% definido por normas do setor, os resultados iniciais demonstram a viabilidade de abordagens baseadas em ensemble para predição de concentrações de etanol em aplicações industriais.
Palavras-chave: Ultrasound; Machine Learning; Water and Ethanol Mixtures.
Páginas: 6
Código DOI: 10.21528/CBIC2025-1191857
Artigo em PDF: CBIC_2025_paper1191857.pdf
Arquivo BibTeX:
CBIC_2025_1191857.bib