Polymer flocculants, traditionally used with primary coagulant to enhance flocculation and sedimentation, are used in the coagulation-/microfiltration process as well assuming they can improve membrane performance similarly. However, there are several uncertainties concerning the use of polymer flocculants in the coagulation-microfiltration process. First, polymer flocculants may not have measurable effect on turbidity removal, because microfiltration membranes can remove significantly smaller particles than those removed by the conventional treatment process. Second, the effect of using polymer flocculants on NOM removal has been controversial. Although a number of studies reported improved NOM removal when polymers were used, others reported no or negative impact of polymers on NOM removal. Third, polymer flocculants are high molecular weight organic compounds. When carried over to membrane residual polymers can potentially foul the membranes. Finally, the use of polymer flocculants will change floc properties (i.e. size, fractal dimension, and stickiness) and subsequently bring uncertain effect on cake layer resistance. Therefore, the role of polymer flocculants in coagulation-microfiltration system needs to be carefully assessed for system optimization. In the reported research, three types of polymer flocculants with different charge and molecular weights were tested for comprehensively evaluating the impact of polymer flocculants on the performance of coagulation-microfiltration of surface water. Operation conditions such as inline filtration, direct filtration, and filtration with sedimentation were included. Two membrane reactors were designed to study the mechanism through which polymer flocculants affect the performance of coagulation-microfiltration systems. The result demonstrated that the use of polymer flocculants provides little to no benefit to turbidity and NOM removal in most cases, but pDADMACs can enhance NOM removal if applied properly; All polymer flocculants significantly increased membrane fouling except for pDADMACs when sedimentation proceeds MF; Polymer flocculants increase deposition/attachment of floc particles on the membrane surface through both adsorption of residual polymer on the membrane surface and polymer molecules on the floc particle surface; Even though polymers form larger and more fractal floc particles, they did not have notable impact on cake layer structure.

Nas últimas décadas uma considerável parcela das pesquisas nas áreas de Física e Matemática tem sido dedicada ao estudo de fenômenos não lineares. Uma possível explicação para isso foi o rápido desenvolvimento de sistemas computacionais, tanto em nível de hardware quanta em nível de software, algoritmos e técnicas de programação que propiciaram ao homem maiores facilidades no tratamento de sistemas não lineares, o que levou a um maior grau de entendimento de sua complexidade. Geralmente, aos sistemas não lineares esta associada uma geometria irregular, onde comum o aparecimento de regimes caóticos, com um conjunto atrator de órbitas cuja dimensão não é um inteiro positivo, mas sim um número real positivo. Por esta razão, tais atratores, são denominados estranhos e ditos possuírem uma geometria fractal. É possível, através de métodos cuidadosamente desenvolvidos, estimar-se as dimensões associadas à dinâmica de séries temporais. Uma das séries de maior dificuldade de análise através do computador, e de particular interesse na medicina, são as séries de sons pulmonares humanos. Desde quando o estetoscópio foi inventado até os dias de hoje não há uma ferramenta plenamente confiável para a análise destas séries. Recentemente, temos trabalhado com estas séries e verificamos que há uma geometria fractal. Esta tese propõe a utilização da análise não-linear para identificação de padrões sonoros. Além da geometria fractal, a análise por wavelets tem sido utilizada no estudo de sinais complexos, sobretudo naqueles que apresentam estruturas fractais. O conjunto de filtros construído através da translação, expansão ou compressão de uma função wavelet mãe tem uma estrutura auto-similar, mostrando-se particularmente apropriado para a verificação da auto similaridade dos sons. A técnica da estimativa dos expoentes de Lyapunov dependente do tempo, a qual e desenvolvida na tese, tem se mostrado bastante adequada para identificação de padrões sonoros de origem pulmonar. / It has been observed that in the last decades, considerable amount of the research in the areas of Physics and Mathematics have been dedicated to the study of nonlinear phenomena. A possible explanation for this fact is the fast development of computational systems occurring in the level of the hardware as in computer languages, algorithms and programming techniques. These developments propitiated to the researchers a broader contact with nonlinear systems, which led to a better understanding of their complexity. In general, for nonlinear systems an irregular geometry is associated, where the appearance of chaotic regimes has an associated attractor set of orbits whose dimension is not a positive integer number, but a real one. Such attractors are called strange and said to possess fractal geometry. It is possible, through carefully developed methods, to estimate the dimension associated to the dynamics of time series. One of the series with high difficulty to be analyzed through a computer and of particular interest in medicine, is the time series generated out of human pulmonary sounds. Since the creation of the stethoscope, there is not yet a fully trustworthy tool for the lung sound analysis. Recently, we have studied these series and verified that they have a fractal geometry nature. The purpose of this thesis is to investigate non-linear analysis as a tool for pattern recognition in lung sounds. In addition to fractal geometry, the wavelet analysis has been used in the study of complex signs, in particular for those presenting a fractal structure. The set of filters constructed through the translation, expansion or compression of a function wavelet mother has an auto-similar structure, being particularly useful for the verification of self similarity of pulmonary sounds. The largest time dependent Lyapunov exponent estimation technique that has been proposed in this thesis has shown a high degree of confidence for the identification of lung sound patterns.

Nas últimas décadas uma considerável parcela das pesquisas nas áreas de Física e Matemática tem sido dedicada ao estudo de fenômenos não lineares. Uma possível explicação para isso foi o rápido desenvolvimento de sistemas computacionais, tanto em nível de hardware quanta em nível de software, algoritmos e técnicas de programação que propiciaram ao homem maiores facilidades no tratamento de sistemas não lineares, o que levou a um maior grau de entendimento de sua complexidade. Geralmente, aos sistemas não lineares esta associada uma geometria irregular, onde comum o aparecimento de regimes caóticos, com um conjunto atrator de órbitas cuja dimensão não é um inteiro positivo, mas sim um número real positivo. Por esta razão, tais atratores, são denominados estranhos e ditos possuírem uma geometria fractal. É possível, através de métodos cuidadosamente desenvolvidos, estimar-se as dimensões associadas à dinâmica de séries temporais. Uma das séries de maior dificuldade de análise através do computador, e de particular interesse na medicina, são as séries de sons pulmonares humanos. Desde quando o estetoscópio foi inventado até os dias de hoje não há uma ferramenta plenamente confiável para a análise destas séries. Recentemente, temos trabalhado com estas séries e verificamos que há uma geometria fractal. Esta tese propõe a utilização da análise não-linear para identificação de padrões sonoros. Além da geometria fractal, a análise por wavelets tem sido utilizada no estudo de sinais complexos, sobretudo naqueles que apresentam estruturas fractais. O conjunto de filtros construído através da translação, expansão ou compressão de uma função wavelet mãe tem uma estrutura auto-similar, mostrando-se particularmente apropriado para a verificação da auto similaridade dos sons. A técnica da estimativa dos expoentes de Lyapunov dependente do tempo, a qual e desenvolvida na tese, tem se mostrado bastante adequada para identificação de padrões sonoros de origem pulmonar. / It has been observed that in the last decades, considerable amount of the research in the areas of Physics and Mathematics have been dedicated to the study of nonlinear phenomena. A possible explanation for this fact is the fast development of computational systems occurring in the level of the hardware as in computer languages, algorithms and programming techniques. These developments propitiated to the researchers a broader contact with nonlinear systems, which led to a better understanding of their complexity. In general, for nonlinear systems an irregular geometry is associated, where the appearance of chaotic regimes has an associated attractor set of orbits whose dimension is not a positive integer number, but a real one. Such attractors are called strange and said to possess fractal geometry. It is possible, through carefully developed methods, to estimate the dimension associated to the dynamics of time series. One of the series with high difficulty to be analyzed through a computer and of particular interest in medicine, is the time series generated out of human pulmonary sounds. Since the creation of the stethoscope, there is not yet a fully trustworthy tool for the lung sound analysis. Recently, we have studied these series and verified that they have a fractal geometry nature. The purpose of this thesis is to investigate non-linear analysis as a tool for pattern recognition in lung sounds. In addition to fractal geometry, the wavelet analysis has been used in the study of complex signs, in particular for those presenting a fractal structure. The set of filters constructed through the translation, expansion or compression of a function wavelet mother has an auto-similar structure, being particularly useful for the verification of self similarity of pulmonary sounds. The largest time dependent Lyapunov exponent estimation technique that has been proposed in this thesis has shown a high degree of confidence for the identification of lung sound patterns.

Nas últimas décadas uma considerável parcela das pesquisas nas áreas de Física e Matemática tem sido dedicada ao estudo de fenômenos não lineares. Uma possível explicação para isso foi o rápido desenvolvimento de sistemas computacionais, tanto em nível de hardware quanta em nível de software, algoritmos e técnicas de programação que propiciaram ao homem maiores facilidades no tratamento de sistemas não lineares, o que levou a um maior grau de entendimento de sua complexidade. Geralmente, aos sistemas não lineares esta associada uma geometria irregular, onde comum o aparecimento de regimes caóticos, com um conjunto atrator de órbitas cuja dimensão não é um inteiro positivo, mas sim um número real positivo. Por esta razão, tais atratores, são denominados estranhos e ditos possuírem uma geometria fractal. É possível, através de métodos cuidadosamente desenvolvidos, estimar-se as dimensões associadas à dinâmica de séries temporais. Uma das séries de maior dificuldade de análise através do computador, e de particular interesse na medicina, são as séries de sons pulmonares humanos. Desde quando o estetoscópio foi inventado até os dias de hoje não há uma ferramenta plenamente confiável para a análise destas séries. Recentemente, temos trabalhado com estas séries e verificamos que há uma geometria fractal. Esta tese propõe a utilização da análise não-linear para identificação de padrões sonoros. Além da geometria fractal, a análise por wavelets tem sido utilizada no estudo de sinais complexos, sobretudo naqueles que apresentam estruturas fractais. O conjunto de filtros construído através da translação, expansão ou compressão de uma função wavelet mãe tem uma estrutura auto-similar, mostrando-se particularmente apropriado para a verificação da auto similaridade dos sons. A técnica da estimativa dos expoentes de Lyapunov dependente do tempo, a qual e desenvolvida na tese, tem se mostrado bastante adequada para identificação de padrões sonoros de origem pulmonar. / It has been observed that in the last decades, considerable amount of the research in the areas of Physics and Mathematics have been dedicated to the study of nonlinear phenomena. A possible explanation for this fact is the fast development of computational systems occurring in the level of the hardware as in computer languages, algorithms and programming techniques. These developments propitiated to the researchers a broader contact with nonlinear systems, which led to a better understanding of their complexity. In general, for nonlinear systems an irregular geometry is associated, where the appearance of chaotic regimes has an associated attractor set of orbits whose dimension is not a positive integer number, but a real one. Such attractors are called strange and said to possess fractal geometry. It is possible, through carefully developed methods, to estimate the dimension associated to the dynamics of time series. One of the series with high difficulty to be analyzed through a computer and of particular interest in medicine, is the time series generated out of human pulmonary sounds. Since the creation of the stethoscope, there is not yet a fully trustworthy tool for the lung sound analysis. Recently, we have studied these series and verified that they have a fractal geometry nature. The purpose of this thesis is to investigate non-linear analysis as a tool for pattern recognition in lung sounds. In addition to fractal geometry, the wavelet analysis has been used in the study of complex signs, in particular for those presenting a fractal structure. The set of filters constructed through the translation, expansion or compression of a function wavelet mother has an auto-similar structure, being particularly useful for the verification of self similarity of pulmonary sounds. The largest time dependent Lyapunov exponent estimation technique that has been proposed in this thesis has shown a high degree of confidence for the identification of lung sound patterns.