Estimativa de Emissões em Veículos a Combustão baseado em Redes Neurais LSTM e Análise de Incertezas via Monte Carlo Dropout

Ludmila Gomes, Bárbara Cavalcante, Mateus De Sousa, José Hélio Bento Da Silva, Iguatemi E. Fonseca, Juan Moises Mauricio Villanueva

DOI: 10.14209/sbrt.2025.1571156234

Evento: XLIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2025)

Keywords: Emissões veiculares Softsensors Interface OBD-II Avaliação de Incertezas

Abstract

Este artigo propõe um softsensor baseado em redes neurais LSTM para estimar as emissões de CO2 em veículos a combustão, utilizando dados obtidos via OBD-II. A abordagem permite modelar sequências temporais complexas em condições reais de condução. Para quantificar a incerteza das previsões, foi empregada a técnica de Monte Carlo Dropout, permitindo a geração de intervalos de confiança em tempo real. Os resultados indicam alta precisão na estimativa das emissões, com incertezas bem caracterizadas, contribuindo para aplicações em monitoramento ambiental e otimização veicular

Download