Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-07-15T12:20:57Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese SILVA AMRB.pdf: 10197611 bytes, checksum: dfa95dac75e87b0ffef8a344cb8d9996 (MD5) / Made available in DSpace on 2016-07-15T12:20:57Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese SILVA AMRB.pdf: 10197611 bytes, checksum: dfa95dac75e87b0ffef8a344cb8d9996 (MD5) Previous issue date: 2015-01-30 / CNPq / Petrobrás / A aplicação de técnicas de Análises de Componentes Principais (ACP), Redes Neurais Artificiais (RNA), Lógica Fuzzy e Sistema Neurofuzzy para investigar as alterações da característica da água das barragens de Utinga e do Bita que abastecem de água bruta a ETA Suape é de fundamental importância em função do grande número de variáveis utilizadas para definir a qualidade. Neste trabalho, foram realizadas 10 coletas de água em cada área, no período de novembro de 2007 a agosto de 2012, totalizando 120 amostras. Ainda que o conjunto de dados experimentais obtidos seja reduzido, houve múltiplos esforços em demanda da aquisição de informações da qualidade da água junto aos órgãos oficiais de monitoramento ambiental. Os resultados mostraram uma tendência à degradação da propriedade da água das barragens em decorrência da presença de microrganismos, sais e nutrientes, responsáveis pelo processo de eutrofização, o que se configurou pela maior concentração de fósforo total, Coliformes termotolerantes, e diminuição de pH e OD, provavelmente devido à ocorrência de descarte de efluentes da agroindústria canavieira, industrial e doméstico. A ACP caracterizou mais 76% das amostras permitindo visualizar a existência de mudanças sazonais e uma pequena variação espacial d`água nas barragens. A condição da água das duas barragens foi modelada satisfatoriamente, razoável precisão e confiabilidade com os modelos estatístico e computacionais, para uma quantidade de parâmetros e dados ambientais, que embora limitados foram suficientes para realização deste trabalho. Ainda assim, fica evidente a eficiência e sucesso da utilização do Sistema Neurofuzzy (coeficiente de regressão de 0,608 a 0,925) que combina as vantagens das Redes Neurais e da Lógica Fuzzy em modelar o conjunto de dados da qualidade da água das barragens de Utinga e Bita. / The application of techniques such as the Principal Components Analysis (PCAs), Artificial Neural Networks (ANNs), Fuzzy Logic and Neuro-fuzzy Systems for investigating the changes in the water quality characteristics in the Utinga and Bita dams, which supplies raw water to the Suape Wastewater Treatment Plant (WWP), is of great importance due to the high number of variables used to define water quality. In this work were collected 10 water samples used to define water quality, in a period ranging from November 2007 to August 2012, with a total of 120 samples. Although the experimental dataset was limited, there were multiple efforts in gathering information from the Environmental Control Agencies. The results showed a tendency of degradation of the water properties in the dams studied due to the presence of microorganisms, salts and nutrients, responsible for the eutrophication process; result of the higher concentration of total phosphorus, Thermotolerant Coliforms and decrease in pH and DO, probably from the discharge of the sugarcane agroindustry and domestic waste. The PCAs characterised more than 76% of the samples collected, and consequently observing the existence of seasonal changes and small spatial variation of water levels in the dams. The water quality conditions in both dams were satisfactorily modelled, obtaining a reasonable precision and statistical and computational reliability for a certain amount of parameters and environmental data that, even though considered limited, were enough to run this trial. Nonetheless, it becomes evident the efficiency and success in using the Neuro- Fuzzy System (regression coefficient of 0.608 to 0.925), which combines the advantages of both the Neural Networks and Fuzzy Logic in modelling the water quality dataset in the Utinga and Bita dams.