Por favor, use este identificador para citar o enlazar este ítem: http://www.repositorio.ufop.br/jspui/handle/123456789/4315
Título : Otimização do índice de qualidade da água por meio de análise estatística multivariada.
Autor : Maia, Kelly do Prado
metadata.dc.contributor.advisor: Libânio, Marcelo
Palabras clave : Água - qualidade
Monitoramento
Matrizes matemática
Fecha de publicación : 2014
metadata.dc.contributor.referee: Libânio, Marcelo
Silva, Gilmare Antônia da
Sperling, Marcos von
Citación : MAIA, Kelly do Prado. Otimização do índice de qualidade da água por meio de análise estatística multivariada. 2014. 109 f. Dissertação (Mestrado em Engenharia Ambiental) – Universidade Federal de Ouro Preto, Ouro Preto, 2014.
Resumen : O principal objetivo deste trabalho foi reduzir o número de parâmetros compõem o Índice de Qualidade da Água (IQA), desenvolvido pela National Sanitation Foundation, por meio da aplicação de análise estatística multivariada. Para isto, foram utilizados os resultados fornecidos pelo Instituto Mineiro de Gestão das Águas - IGAM de cada parâmetro integrante do IQA (oxigênio dissolvido, coliformes termotolerantes, pH, DBO, nitrato, fosfato, temperatura, turbidez e sólidos totais) e os respectivos valores de IQA, de cada estação de monitoramento da Bacia do Rio das Velhas, no período de 2000 a 2010. Para a redução do número de dados avaliados foi primeiramente investigada a aplicação da análise de componentes principais (PCA), cuja aplicação não foi satisfatória para a avaliação do conjunto de dados estudado. Desta forma, a rede neural de Kohonen foi utilizada, proporcionando a redução do conjunto de dados inicial composto por 1834 resultados para 524. A viabilidade da aplicação da redução do número de resultados foi avaliada pela comparação entre a correlação dos dados originais e os dados reduzidos. A redução do número de conjuntos de dados também mostrou que a frequência de avaliação das estações de monitoramento poderia ser reduzida, em relação a frequência atualmente praticada pelo IGAM, culminando em redução de custos com monitoramento. O novo conjunto de dados formado por 524 resultados foi avaliado pela técnica OPS (ordered predictors selection), visando obter a redução do número de parâmetros do IQA. Nesta análise verificou-se a possibilidade da criação de um novo modelo para determinação do IQA, formado pelos parâmetros coliformes termotolerantes, DBO, fosfato, oxigênio dissolvido e turbidez. A calibração do novo modelo se deu com a aplicação da ferramenta PLS (partial least squares), prevendo os valores de IQA gerados pelo novo modelo e comparando-os aos valores originais de IQA, para o conjunto de dados, calculados pela fórmula tradicional. A calibração indicou que os dados se ajustaram ao modelo, cujo coeficiente de determinação (R2) foi igual a 0,96, e o gráfico de resíduos apresentou distribuição aleatória, com valores dos resíduos bem próximos de zero. O modelo ainda foi avaliado estimando os resultados de IQA, com o uso de cinco parâmetros, e a aplicação dos resultados de monitoramento de qualidade da água do ano de 2011. Os resultados obtidos na validação retratam a previsão do IQA pelo modelo muito próxima aos resultados obtidos por meio do cálculo tradicional, apontando R2 igual a 0,92, confirmando a aplicabilidade do novo modelo construído.
metadata.dc.description.abstracten: The main objective of this work was to reduce the number of parameters comprising the Water Quality Index (WQI) by the application of multivariate statistical analysis. For this, the results of monitoring conducted by the Water Management Institute of Minas Gerais (IGAM) for each parameter of the WQI (dissolved oxygen, fecal coliform, pH, BOD, nitrate, phosphate, temperature, turbidity and total solids) and the respect WQI score obtained at each monitoring station in the Velhas River Basin, in the period between 2000 and 2010. The reduction of the number of evaluated data was first investigated by means of application of principal component analysis (PCA), whose implementation is not suitable for evaluating the data set studied. Thus, the Kohonen`s neural network was used, providing a reduction in the initial data set from 1834 to 524 results of analyses. The viability of this data reduction was assessed by comparing the correlation between the original data and the reduced data. The reduction of the number of data sets also showed that the monitoring frequency of all stations could be reduced, compared to currently practiced by IGAM, culminating in important cost savings with monitoring. The new data set formed by 524 results were evaluated by the OPS (Ordered Predictors Selection) to reduce the number of parameters of WQI. In this analysis there was the possibility of creating a new model for determining the WQI. This model was formed by five parameters: thermotolerant coliform, BOD, phosphate, dissolved oxygen and turbidity. The calibration of the new model was done by PLS (Partial Least Square) tool, predicting WQI values generated by the new model and comparing the results to the original forecast WQI values for the data set, calculated by the traditional formula. The calibration indicated that the data fitted the model, whose coefficient of determination (R2) was equal to 0.96, and the graph of residues showed a random distribution, with values close to zero. The model was further assessed for prediction of the results of WQI, using this model with five parameters, and applying the results of monitoring of water quality in the year 2011 carried out by IGAM. The results of the validation depicted very close to WQI results obtained by the traditional calculation and R2 was 0.92, confirming the applicability of the new model constructed
Descripción : Programa de Pós-Graduação em Engenharia Ambiental. PROÁGUA, Pró-Reitoria de Pesquisa e Pós Graduação, Universidade Federal de Ouro Preto.
URI : http://www.repositorio.ufop.br/handle/123456789/4315
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo autor(a), 18/12/2014, com as seguintes condições: disponível sob Licença Creative Commons 3.0, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece en las colecciones: PROAMB - Mestrado (Dissertações)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DISSERTAÇÃO_OtimizaçãoIndiceQualidade.pdf4,21 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons