Estimativa de concentração de material particulado em suspensão na atmosfera por meio da modelagem de redes neurais artificiais

• Main Author: Monica Marques Caetano de Lima
• Other Authors: Wilfrid Keller Schwabe
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2006
• Online Access: http://hdl.handle.net/1843/ENGD-6XXNAQ

=== The aim of this study was to predict the total particulate matter concentration in the main areas of Ipatinga region. The artificial neural networks (ANN) was the modelling tool used. This model is capable of predicting the pollutant concentration just by training the input and output parameters. The input parameters were meteorological such as wind direction, wind speed, rain, ambient temperature and temporal such as, summer and winter. The output parameter used was the historical data of the total particulate matter concentration taken between 1996 and 2004. In the modelling, the multilayer perceptron (MLP) model was tested. Among the MLP configurations evaluated, the topology 13-7-6 was chosen. The validation of the model was done by comparing the simulated with the observed values. This model was also compared with the industrial source complex short-term dispersion model (ISCST3). Thefour statistical tools used to evaluate the fitting were medium squared error (MSE), fractional bias (FB), index of agreement (IA) and linear correlation coefficient (R). Comparing the results it was seen that the predicted values were better in das Águas, Cariru and Bom Retiroboroughs and were overestimated in Novo Cruzeiro, Castelo and Ferroviários. Besides, the predicted results of the ANN model were better than the ISCST3 dispersion model. === Neste estudo foi estimada a concentração de material particulado em suspensão em seis diferentes bairros de Ipatinga em Minas Gerais. A ferramenta de modelagem utilizada foi a de redes neurais artificiais (ANN). Esse modelo é capaz de fazer previsões de concentração de um poluente em um determinado local devido ao seu treinamento a partir de variáveis de entrada e de saída. As variáveis de entrada utilizados foram os parâmetros meteorológicos de direção dos ventos, velocidade dos ventos (m/s), chuva (mm), temperatura ambiente (oC), calmaria (velocidades de ventos inferiores a 1 m/s) e os temporais, as estações sazonais do ano de verão e de inverno. As variáveis de saída foram os dados históricos de medição de concentração desse poluente coletados semanalmente entre os anos de 1996 a 2004. Na modelagem, foi testado o modelo tipo perceptron de multicamadas (MLP) em diversasconfigurações. Variaram-se a quantidade de neurônios na camada de entrada, na intermediária, na de saída e os algoritmos de treinamento. A topologia escolhida foi 13-7-6. A validação do modelo foi realizada por meio da comparação entre os valores preditos e os reais medidos nos seis pontos de monitoramento da qualidade de ar. Os resultados do modelo ANN também foram comparados com os do modelo de dispersão industrial source complex shortterm model (ISCST3). Foram utilizados quatro métodos de avaliação de performance da modelagem. Foram eles: erro quadrático médio (MSE), fractional bias (FB), índice deconformidade (IA) e o coeficiente de correlação linear (R). De uma maneira geral, os valores estimados nos bairros das Águas, Bom Retiro e Cariru foram mais próximos aos valores reais do que os obtidos nos bairros Novo Cruzeiro, Castelo e Ferroviários. A análise de comparaçãodos resultados entre os modelos ANN e ISCST3 mostrou que o primeiro é o que apresentou menor erro.