11 |
Avaliação da qualidade da água bruta superficial das barragens de Bita e Utinga de Suape aplicando estatística e sistemas inteligentesSILVA, Ana Maria Ribeiro Bastos da 30 January 2015 (has links)
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.
|
Page generated in 0.034 seconds