Previsão da temperatura interna de um forno de carvão de alvenaria utilizando rede neural artificial do tipo LSTM

Neste trabalho foi avaliada a capacidade de uma Rede Neural Artificial do tipo LSTM - Long Short Term Memory para predizer a temperatura em um forno de carvão vegetal. Este tipo de forno é amplamente usado no Brasil devido a sua facilidade de construção e pelo seu bom desempenho com um rendimento que pode chegar a 30% de carvão. A LSTM é um tipo de Rede Neural Artificial recorrente amplamente utilizada para predição de séries temporais e que têm demonstrado bons resultados. Foram testados três diferentes modelos de Redes Neurais Artificiais configurados respectivamente com os métodos da janela, memória entre lotes e LSTM’s empilhados com memória entre lotes. A métrica utilizada para avaliar os modelos foi o RMSE- Root Mean Square Error. Essa métrica verifica a distância entre os dados da série temporal original e os dados preditos pela LSTM. Ao final do trabalho foi possível verificar que a LSTM configurada com o método da janela foi a que melhor se adequou para tarefa de predizer a temperatura em um forno de carvão.