Made available in DSpace on 2017-06-01T18:20:37Z (GMT). No. of bitstreams: 1
dissertacao_francisco_sales.pdf: 1424498 bytes, checksum: 31e4dca2f34d83cb1a300966669297f2 (MD5)
Previous issue date: 2012-10-17 / In order to forecast and classify environmental risks, artificial intelligence (AI) techniques were applied to the air quality problem. Predetermined gaseous pollutant
concentration data were acquired with the intent of predicting the risks. Such concentrations are denominated air quality indicators, and are regulated all around the world, including by brazilian law. The data concerning these indicators were used in a model that consists of two
AI techniques: artificial neural networks and particle swarm optimization. The air quality indicators concentration prediction resulted in one day ahead values. The risk modeling utilizes the predictions as inputs values, correlating them in order to obtain the resulting air quality and, the risk that such quality has upon the human health. The risk model is based on a third AI technique, called fuzzy logic. The present work obtained two main results. The first was the accurate forecasts made by the prediction model. The second was the achievement of a coherent classification of the risks. / Este trabalho aplica técnicas da área de inteligência artificial (IA) com o intuito de prever e classificar riscos ambientais, com o foco no problema da qualidade do ar. Para prever os riscos, dados foram adquiridos acerca das concentrações gasosas de determinados poluentes. Tais concentrações, denominadas de indicadores da qualidade do ar, são regulamentadas por várias legislações ao redor do mundo, inclusive a do Brasil. Estes dados foram empregados em um modelo que consiste de duas técnicas de IA: redes neurais artificiais e otimização por enxame de partículas. O resultado do modelo é a previsão de um dia adiante das concentrações gasosas dos indicadores da qualidade do ar. As previsões são usadas como entradas para a modelagem de riscos. A modelagem de riscos correlaciona as previsões dos poluentes observados para obter a qualidade do ar e o risco que tal qualidade oferece à saúde humana. O modelo de risco é baseado em lógica nebulosa, uma terceira técnica de IA. Ao término do trabalho, dois resultados foram alcançados. O primeiro foi o modelo de previsões que obteve resultados com um bom nível de acuidade. Em seguida, o modelo de riscos foi capaz de alcançar uma classificação coerente dos riscos ambientais.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2.unicap.br:tede/620 |
| Date | 17 October 2012 |
| Creators | Albuquerque Filho, Francisco Sales de |
| Contributors | Fernandes, Sérgio Murilo Maciel, Bernardino Júnior, Francisco Madeiro, Lima, Emerson Alexandre de Oliveira, Ferreira, Tiago Alessandro Espinola |
| Publisher | Universidade Católica de Pernambuco, Mestrado em Desenvolvimento de Processos Ambientais, UNICAP, BR, Desenvolvimento de Processos Ambientais |
| 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 UNICAP, instname:Universidade Católica de Pernambuco, instacron:UNICAP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds