Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/67319
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorPinto, Marcos Rodrigues-
dc.contributor.authorFarias, Camilo Allyson Simões de-
dc.contributor.authorMartins, Eduardo Sávio Passos Rodrigues-
dc.contributor.authorCastro, Marco Aurélio Holanda de-
dc.date.accessioned2022-07-21T14:32:30Z-
dc.date.available2022-07-21T14:32:30Z-
dc.date.issued2014-
dc.identifier.citationCASTRO, M. A. H. et al. Redes neurais artificiais e algoritmos evolucionários multi-população na otimização multi-objetivo da remediação de águas subterrâneas. Águas Subterrâneas, vol. 28, n. 1, p. 95-104, 2014pt_BR
dc.identifier.issn2179-9784-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/67319-
dc.description.abstractAgroundwater remediation optimization problem through pump-and-treat technique is presented. Two objectives were pursued: 1) contaminant plume minimization; and 2) total cost minimization of remediation. Two multi-population evolutionary algorithms together with the artificial neural network (ANN) technology were employed in order to solve this problem. Pump rates from wells were sent to ANN that computes the remained contaminant mass left in the site. The ANN outcomes were sent to evolutionary algorithms to execute optimization process.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherÁguas Subterrâneaspt_BR
dc.rightsAcesso Abertopt_BR
dc.titleRedes neurais artificiais e algoritmos evolucionários multi-população na otimização multi-objetivo da remediação de águas subterrâneaspt_BR
dc.typeArtigo de Periódicopt_BR
dc.description.abstract-ptbrApresenta-se um problema de otimização da remediação de águas subterrâneas por meio da técnica bombear-e-tratar. Dois objetivos são perseguidos: 1) minimizar a pluma contaminante; e 2) minimizar do custo total da remediação. A resolução desse problema é feita aplicando-se dois algoritmos evolucionários (AE) multipopulação juntamente com a tecnologia de redes neurais artificiais (RNA). As vazões dos poços são colhidas para a RNA, que calcula a massa restante de contaminante no sítio. As respostas dadas pela rede são avaliadas pelos algoritmos evolucionários a fim de efetuar a otimização.pt_BR
dc.title.enArtificial neural networks and multi-population evolutionary algorithm for multi-objective optimization of groundwater remediationpt_BR
Aparece nas coleções:DEHA - Artigos publicados em revista científica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2014_art_mahcastro.pdf810,04 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.