p No mundo todo, as grandes cidades estão ficando sem espaço para os resíduos sólidos urbanos. Os aterros existentes estão enchendo rapidamente e ninguém quer um novo local perto de suas casas ou empresas. Enquanto isso, os contribuintes não estão interessados ​​em custos mais altos para a gestão de resíduos de qualidade. p Uma forma de estender significativamente a vida útil dos locais de gerenciamento de resíduos existentes é a reciclagem. A reciclagem também pode gerar empregos, ajudar a estabelecer uma economia circular ou avançar em direção ao desperdício zero. Mas frequentemente, as famílias são altamente resistentes à reciclagem.

p Um estudo recente relata uma técnica poderosa de inteligência artificial (IA) para prever as necessidades de aterros sanitários para uma cidade a longo prazo. Os pesquisadores usaram o aprendizado de máquina para prever os resíduos sólidos urbanos em uma grande cidade africana. A previsão mostra quantos resíduos haverá em 30 anos se os níveis de reciclagem permanecerem os mesmos.

p O Dr. Olusola Olaitan Ayeleru e o Sr. Lanrewaju Ibrahim Fajimi publicaram suas pesquisas no Journal of Cleaner Production . Ambos estão no Departamento de Engenharia Química da Universidade de Joanesburgo.

p Planejamento de resíduos com planilhas

p É difícil prever quando os aterros sanitários de uma cidade ficarão sem espaço, mesmo quando informações precisas estão disponíveis. Contudo, a previsão estatística convencional usando uma planilha pode ser boa o suficiente para planejar 30 anos à frente.

p Ao mesmo tempo, planilhas com muitas fórmulas e macros ajustadas manualmente são difíceis de entender. Eles também podem ser demorados e difíceis de manter.

p Mas a previsão para diferentes cenários de reciclagem pode não ser possível em planilhas. Considerando o crescimento populacional, tipos de resíduos, o clima e outros conjuntos de dados em consideração em tal previsão podem não ser possíveis, qualquer.

p Nos países em desenvolvimento, as informações sobre os resíduos gerados em uma cidade muitas vezes estão ausentes ou são imprecisas. Aqui, É improvável que as planilhas forneçam aos gestores da cidade previsões para o planejamento de longo prazo.

p Contudo, modelos de aprendizado de máquina podem ser treinados com os dados disponíveis, e de mais dados adicionados posteriormente. Também, o aprendizado de máquina é mais adequado para tirar proveito de vários conjuntos de dados em formatos diferentes.

p Uma cidade em rápido crescimento

p Joanesburgo é o centro econômico da África do Sul e a maior cidade do país. Atrai pessoas de outras províncias e estrangeiros em busca de emprego.

p Para este estudo, apenas a cidade do Município Metropolitano de Joanesburgo foi incluída. Isso se estende de Diepsloot e Midrand no norte até Ennerdale / Orange Farm no sul; Doornkop / Soweto no oeste para Bruma no leste. As cidades vizinhas de Ekhurhuleni, Tshwane, Mogale, Merafong, Rand West, Emfuleni, Midvaal e Lesedi foram excluídos do estudo.

p Entre 1996 e 2001, a população da cidade de Joanesburgo cresceu de 2,59 milhões para 3,22 milhões. Em 2011, a população da cidade era 4,43 milhões, de acordo com os dados do censo nacional. O mesmo ano, 90% de cerca de 59 milhões de toneladas de resíduos gerais produzidos na África do Sul acabaram em aterros sanitários, enquanto 10% foi reciclado. Nacionalmente, 12,9% dos domicílios metropolitanos relataram que reciclam, seguido por 10,8% dos domicílios nas áreas urbanas.

p Para 2021, a população da cidade foi estimada em 5,3 milhões, de acordo com seu Plano de Desenvolvimento Integrado 2019/2020.

p A cidade opera atualmente quatro aterros sanitários. Em setembro de 2020, o COO de Pickitup, a empresa de gestão de resíduos da cidade, relataram que ainda restam quatro anos e meio de capacidade nesses locais.

p Em 2018, a cidade iniciou um programa de reciclagem de separação na fonte. O departamento recicla plástico, papel, vidro e latas, bem como resíduos domésticos de jardim. Em fevereiro de 2021, A Pickitup anunciou um programa de coprodução com 48 empresas. O objetivo é aumentar a coleta de resíduos, limpeza e reciclagem de ruas e conscientização e educação na cidade. Quinze novos funcionários de Pickitup por ala coordenarão o programa.

p Dados conectados ao AI

p Ayeleru e Fajimi usaram o aprendizado de máquina para prever os resíduos sólidos urbanos em Joanesburgo dentro de 30 anos, usando um notebook padrão com um processador i7. Os pesquisadores usaram dados do censo de 2011, indicando população, formalmente empregado, desempregados e o número de unidades familiares. Os dados foram fornecidos pela agência governamental nacional StatsSA. Eles combinaram isso com dados sobre o total anual de resíduos sólidos municipais nos quatro aterros da cidade, de 1996 a 2008. Esses dados foram fornecidos pela cidade de Joanesburgo.

p Neste estudo, Fajimi usou dois tipos de aprendizado de máquina para gerar previsões de 30 anos do total de resíduos sólidos gerados na cidade. Ambos os algoritmos são conhecidos por previsões precisas e consistência.

p O primeiro tipo são as redes neurais artificiais (RNAs). Esse tipo de modelo pode aprender por si mesmo. Os pesquisadores usaram cinco-, 10-, 20-, Modelos de 30 e 40 neurônios para criar cinco previsões. Os pesquisadores usaram o software MATLAB, que tem uma caixa de ferramentas de ajuste neural de ANN robusta.

p O segundo tipo é chamado de máquinas de vetor suportadas (SVMs). Os pesquisadores usaram linear, quadrático, cúbico, um gaussiano, métodos gaussiano médio e gaussiano grosso no software MATLAB para criar outras seis previsões.

p O modelo de 10 neurônios produziu a melhor previsão de RNA. Entre os SVM's, o modelo linear produziu a melhor previsão.

p Os resultados financeiros da IA

p O modelo de 10 neurônios previu que a população da cidade de Joanesburgo provavelmente aumentará de 5,3 milhões em 2021 para 6,4 milhões em 2031; e para 8,4 milhões em 2050. Em contraste, o modelo não previu o mesmo aumento nos resíduos sólidos urbanos. Em vez de, previu um aumento no total anual de resíduos de 1,61 milhão de toneladas em 2021 para 1,72 milhão de toneladas em 2031; e para 1,95 milhão de toneladas em 2050.

p “Pode-se esperar que a geração de resíduos deva aumentar à medida que a população aumenta, mas isso também depende de fatores como baixo ou alto poder de compra ou fonte de renda, "diz Ayeleru.

p “Quando os cidadãos perdem sua fonte de renda ou o poder de compra é baixo, a quantidade de resíduos gerados seria reduzida, uma vez que estariam cozinhando comida em casa em comparação com a compra de comida pronta no restaurante, por exemplo."

p Próximos passos

p Na pesquisa de acompanhamento, Ayeleru e Fajimi estão investigando como usar IA para prever os tipos de resíduos e quanta renda a cidade poderia gerar com cada um deles. "A cidade de Joanesburgo está atualmente se saindo muito melhor em sua gestão de resíduos em comparação com outras grandes cidades do continente. Esta previsão de IA pode ajudar a facilitar o projeto da cidade de uma futura infraestrutura de gestão de resíduos, "diz Ayeleru.

p "A curto prazo, o primeiro passo que a cidade pode dar é educar as pessoas, então eles começam a reciclar mais. Em segundo lugar, a cidade pode precisar olhar além do que está fazendo no momento para gerar renda com os resíduos sólidos. "