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

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