Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Com cada vez mais intenso desenvolvimento urbano e industrial, atualmente um desafio fundamental é eliminar ou reduzir o impacto causado pelas emissões de poluentes para a atmosfera. No ano de 2012, o Rio de Janeiro sediou a Rio +20, a Conferência das Nações Unidas sobre Desenvolvimento Sustentável, onde representantes de todo o mundo participaram. Na época, entre outros assuntos foram discutidos a economia verde e o desenvolvimento sustentável. O O3 troposférico apresenta-se como uma variável extremamente importante devido ao seu forte impacto ambiental, e conhecer o comportamento dos parâmetros que afetam a qualidade do ar de uma região, é útil para prever cenários. A química das ciências atmosféricas e meteorologia são altamente não lineares e, assim, as previsões de parâmetros de qualidade do ar são difíceis de serem determinadas. A qualidade do ar depende de emissões, de meteorologia e topografia. Os dados observados foram o dióxido de nitrogênio (NO2), monóxido de nitrogênio (NO), óxidos de nitrogênio (NOx), monóxido de carbono (CO), ozônio (O3), velocidade escalar vento (VEV), radiação solar global (RSG), temperatura (TEM), umidade relativa (UR) e foram coletados através da estação móvel de monitoramento da Secretaria do Meio Ambiente (SMAC) do Rio de Janeiro em dois locais na área metropolitana, na Pontifícia Universidade Católica (PUC-Rio) e na Universidade do Estado do Rio de Janeiro (UERJ) no ano de 2011 e 2012. Este estudo teve três objetivos: (1) analisar o comportamento das variáveis, utilizando o método de análise de componentes principais (PCA) de análise exploratória, (2) propor previsões de níveis de O3 a partir de poluentes primários e de fatores meteorológicos, comparando a eficácia dos métodos não lineares, como as redes neurais artificiais (ANN) e regressão por máquina de vetor de suporte (SVM-R), a partir de poluentes primários e de fatores meteorológicos e, finalmente, (3) realizar método de classificação de dados usando a classificação por máquina de vetor suporte (SVM-C). A técnica PCA mostrou que, para conjunto de dados da PUC as variáveis NO, NOx e VEV obtiveram um impacto maior sobre a concentração de O3 e o conjunto de dados da UERJ teve a TEM e a RSG como as variáveis mais importantes. Os resultados das técnicas de regressão não linear ANN e SVM obtidos foram muito próximos e aceitáveis para o conjunto de dados da UERJ apresentando coeficiente de determinação (R2) para a validação, 0,9122 e 0,9152 e Raiz Quadrada do Erro Médio Quadrático (RMECV) 7,66 e 7,85, respectivamente. Quanto aos conjuntos de dados PUC e PUC+UERJ, ambas as técnicas, obtiveram resultados menos satisfatórios. Para estes conjuntos de dados, a SVM mostrou resultados ligeiramente superiores, e PCA, SVM e ANN demonstraram sua robustez apresentando-se como ferramentas úteis para a compreensão, classificação e previsão de cenários da qualidade do ar / With increasingly intense urban and industrial development, currently a key challenge is to eliminate or reduce the impact caused by emissions of pollutants into the atmosphere. In the year 2012, the Rio de Janeiro hosted the Rio +20, the United Nations Conference about Sustainable Development, where representatives from around the world participated. At the time, among other issues discussed were the green economy and sustainable development. The tropospheric O3 presents itself as an extremely crucial variable due to its strong environmental impact, and knowing the behavior of the parameters that affect the air quality of a region, is useful for predicting scenarios. The chemistry of atmospheric sciences and meteorology are highly nonlinear and thus the forecasts of air quality parameters are hard to be determined. Air quality depends on emissions, meteorology and topography. The observed data were Nitrogen Dioxide (NO2), Nitrogen Monoxide (NO), Nitrogen Oxides (NOx), Carbon Monoxide (CO), Ozone (O3), Scalar Wind Speed (VEV), Global Solar Radiation (RSG), Temperature (TEM), Relative Humidity (UR) and collected through the mobile station monitoring the Secretaria do Meio Ambiente (SMAC) of Rio de Janeiro City in two places in the metropolitan area at Pontíficia Universidade Católica (PUC-Rio) and the Universidade do Estado do Rio de Janeiro (UERJ) at years 2011 and 2012. This study had three objectives: (1) to analyze the behavior of the variables, using the method of principal components analysis (PCA) of exploratory analysis; (2) propose forecasts of O3 levels from primary pollutants and meteorological factors, comparing the effectiveness of nonlinear methods like as artificial neural networks (ANN) and support vector machine regression (SVM-R), from primary pollutants and meteorological factors and finally, (3) perform data classification method using support vector machine classification (SVM-C). The PCA technique showed that for PUC dataset, variables NO, NOx and VSV have a greater impact on the concentration of O3 and the UERJ data set had the temperature (TEM) and Global Solar Radiation (RSG) as the most important variables. The results from the nonlinear regression techniques ANN and SVM obtained were very closely and acceptable to UERJ dataset presenting coefficient of determination (R2) for validation, 0.9122 and 0.9152 and Root Mean Square Error (RMECV) 7.66 and 7.85, respectively. As for the PUC and PUC + UERJ datasets, both techniques, obtained less satisfactory results. For these datasets, the SVM proved results slightly higher, and PCA, SVM and ANN had demonstrated their robustness presenting themselves as useful tools for understanding, classification and prediction scenarios for air quality
Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:BDTD_UERJ:oai:www.bdtd.uerj.br:3813 |
Date | 20 February 2013 |
Creators | Gabriela Corrêa Gama de Oliveira |
Contributors | Aderval Severino Luna, Marcio Luis Lyra Paredes, Sérgio Machado Corrêa, Graciela Arbilla de Klachquin, Werickson Fortunato de Carvalho Rocha, Luz Amparo Palacio Santos |
Publisher | Universidade do Estado do Rio de Janeiro, Programa de Pós-Graduação em Engenharia Química, UERJ, BR |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UERJ, instname:Universidade do Estado do Rio de Janeiro, instacron:UERJ |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds