Setembro 2023 vol. 10 num. 1 - XXX Simpósio Internacional de Engenharia Automotiva

Trabalho completo - Open Access.

Idioma principal | Segundo idioma

Machine Learning: algoritmos supervisionados e aplicação para a predição da eficiência energética de veículos

Machine Learning: supervised algorithms and application for predicting the energy efficiency of vehicles

VENANCIO, Pedro Gonçalves ; BUENO, Estela Mari Ricetti ;

Trabalho completo:

A indústria toma decisões cada vez mais baseadas em dados. Os avanços tecnológicos disponibilizam um crescente volume de dados que depois de filtrados e processados se transformam em informações úteis com o objetivo de construir conhecimento e conduzir a conclusões eficazes. Algoritmos de aprendizado de máquina são desenvolvidos para esta finalidade, possuindo ampla gama de aplicações acoplando um grande poder de processamento e geração de predições baseadas em padrões; o setor automotivo obtém vantagens relevantes para previsões futuras. Este trabalho apresenta uma aplicação do algoritmo de aprendizado de máquina para estimar a eficiência energética de veículos, expressa em MJ/km, para entender o potencial de aplicação de alguns componentes em veículos novos. Alguns algoritmos de aprendizado de máquina supervisionado são aplicados para prever a eficiência energética de um veículo, com base em características construtivas, como massa, potência, deslocamento volumétrico, transmissão, entre outros, visando obter a maior confiabilidade possível. Foi utilizada a interface de programação Python, juntamente com um banco de dados de veículos de passageiros e comerciais leves e foram feitas comparações entre esses algoritmos visando a escolha daquele com melhor desempenho.

Trabalho completo:

Decisions in the industry are increasingly becoming data driven and the technological advance in communication provides huge data generation and availability, but only after being filtered and processed it can be transformed in useful information aiming to build knowledge and drive to intelligible conclusions. Machine learning algorithms are developed to this finality, these algorithms have wide applications range coupling a great power of information processing and prediction generation based on patterns. The automotive sector needs predictability and can take relevant advantages on future tendency predictions. This work presents an application of machine learning algorithm to estimate the energy efficiency of vehicles, expressed in MJ/km, to understand the potential application of some components in new vehicles. Some supervised machine learning algorithms are applied to predict the energy efficiency of a vehicle, based on constructive characteristics, such as mass, power, volumetric displacement, transmission, among others, aiming to obtain the highest possible reliability. Python programming interface was used, together with a database of passenger and light commercial vehicles, and comparisons were made among these algorithms aiming at this search with better performance.

Download (PDF)

Palavras-chave: ,

Palavras-chave: ,

DOI: 10.5151/simea2023-PAP27

Referências bibliográficas
  • [1] " Source: https://www.the-modeling-agency.com/crispdm.pdf
  • [2] Cohen, J: Statistical Power Analysis for the Behavioral
  • [3] Sciences,2nd Edition, Imprint Routledge ,June 1988,DOI
  • [4] https://doi.org/10.4324/9780203771587
  • [5] [3] Dancey, C.P;Reidy,J: Statistics Without Math for
  • [6] Psycology, 2
  • [7] nd Edition, Pearson Education, 2005
  • [8] [4] Roca, J. Ensemble methods: bagging, boosting and
  • [9] stacking. Available at:
  • [10]
  • [11] [5] Beheshti, N. Random Forest Regression. Available at:
  • [12]
  • [13] [6] Neves, E. C. Modelos de Predição | Ensemble Learning.
  • [14] Available at:
  • [15] [7] Adapted from Stromer, J. Gradient Boost: Regression
  • [16] Main Ideas. Available at : <
  • [17] https://www.youtube.com/watch?v=3CC4N4z3GJc >"
Como citar:

VENANCIO, Pedro Gonçalves; BUENO, Estela Mari Ricetti; "Machine Learning: algoritmos supervisionados e aplicação para a predição da eficiência energética de veículos", p. 204-210 . In: Anais do XXX Simpósio Internacional de Engenharia Automotiva . São Paulo: Blucher, 2023.
ISSN 2357-7592, DOI 10.5151/simea2023-PAP27

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações