A Sustainable Development Neural Network Model for Big Data in Smart Cities

Al‐Badi, Ali H.; Khan, Asharul Islam

doi:10.1016/j.procs.2022.04.057

Cited by 4 publications

(2 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Por isso O planejamento urbano sustentável visa proteger ecossistemas locais, biodiversidade, recursos naturais e reduzir as emissões de carbono. Isso é vital para combater as mudanças climáticas, preservar áreas verdes, garantir a qualidade do ar e da água, e minimizar os impactos negativos no meio ambiente (BADI; KHAN, 2022).…”

Section: Desenvolvimento Sustentável E Planejamento Urbanounclassified

Identificação de centralidades urbanas em Florianópolis-SC com uso de modelo espacial em SIG

Coelho,

Beck,

Maciorowski

et al. 2024

RCA - on-line

View full text Add to dashboard Cite

Contexto e Objetivo: A pesquisa busca fortalecer um modelo urbano polinucleado para criar cidades mais dinâmicas, seguras e eficientes em termos de infraestrutura e mobilidade. O foco está em Florianópolis/SC, onde se investigam características urbanas para identificar centralidades. Metodologia: Utilizando um modelo espacial em Sistemas de Informação Geográfica (SIG), a pesquisa integra dados de uso do solo provenientes do cadastro municipal com a Teoria da Sintaxe Espacial, analisando os eixos viários municipais. Resultados: A execução do modelo revela a presença de uma centralidade principal no distrito Sede de Florianópolis. Além disso, identifica pequenas e médias centralidades secundárias já consolidadas ou em processo de formação em diversas regiões, como os distritos dos Ingleses do Rio Vermelho, Canasvieiras, Campeche, Lagoa da Conceição, e as localidades de Jurerê, Trindade/Santa Mônica e Carianos.

show abstract

Section: Desenvolvimento Sustentável E Planejamento Urbanounclassified

Identificação de centralidades urbanas em Florianópolis-SC com uso de modelo espacial em SIG

Coelho,

Beck,

Maciorowski

et al. 2024

RCA - on-line

View full text Add to dashboard Cite

show abstract

“…For successful load classification and clustering in smart grids, the most popular method is regression analysis and artificial neural networks (ANNs) [42]. ANNs consists of a large number of interconnected processors that can be used to estimate approximate functions, which are dependent on a large number of inputs.…”

Section: Data Mining and Machine Learning Techniques Of Big Data In S...mentioning

confidence: 99%

Adaptive Energy Management of Big Data Analytics in Smart Grids

Gupta,

Chaturvedi

2023

Energies

View full text Add to dashboard Cite

The smart grid (SG) ensures the flow of electricity and data between suppliers and consumers. The reliability and security of data also play an important role in the overall management. This can be achieved with the help of adaptive energy management (AEM). This research aims to highlight the big data issues and challenges faced by AEM employed in SG networks. In this paper, we will discuss the most commonly used data processing methods and will give a detailed comparison between the outputs of some of these methods. We consider a dataset of 50,000 instances from consumer smart meters and 10,000 attributes from previous fault data and 12 attributes. The comparison will tell us about the reliability, stability, and accuracy of the system by comparing the output of the various graphical plots of these methods. The accuracy percentage of the linear regression method is 98%; for the logistic regression method, it is 96%; and for K-Nearest Neighbors, it is 92%. The results show that the linear regression method applied gives the highest accuracy compared to logistic regression and K-Nearest Neighbors methods for prediction analysis of big data in SGs. This will ensure their use in future research in this field.

show abstract