Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/11623 |
Resumo: | O monitoramento da qualidade da água é uma questão complexa que requer ferramentas de suporte para fornecer informações sobre gerenciamento de recursos hídricos. As restrições orçamentais, bem como um projeto de rede inadequado, exigem o desenvolvimento de ferramentas de avaliação para fornecer um monitoramento eficiente. Assim, são proposstas e aplicadas duas metodologias para a avaliação da Rede de Monitoramento de Qualidadade da Água da Bacia do rio Piabanha (RMQAP). A primeira envolve a análise de componente principal não linear (ACPNL) com base em uma rede neural autoassociativa para avaliar a redundância dos parâmetros e estações de monitoramento da RMQAP. A Análise de Componentes Principais (PCA) é amplamente utilizada para este propósito, entretanto, não captura as não-linearidades características dos dados de qualidade da água, enquanto as redes neurais podem representar essas relaçõeses. A partir dos resultados da NLPCA, o parâmetro mais relevante é Coliformes Fecais e o menos relevante é a Demanda Química de Oxigênio. Em relação às estações de monitoramento, a mais relevante é Rocio e a menos relevante é Esperança. A segunda metodologia tem como objetivo a avaliação das estações da RMQAP tendo em vista o impacto dos dados observados na calibração do modelo hidrológico SWAT. Para mensurar esse impacto foi desenvolvido o índice IRMQAP com base no ajuste do modelo hidrológico e de redes neurais para a simulação do parâmetro nitrato em função da vazão em cada estação. Os resultados mostraram que a estação mais impactante é Pedro do Rio e a menos impactante é Poço Tarzan. |
id |
UFRJ_855364ad85e7ae90fce541dfc1f68728 |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/11623 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Villas Boas, Mariana Diashttp://lattes.cnpq.br/4464970722383106Olivera, FranciscoEvsukoff, Alexandre GonçalvesRibeiro, Celso Bandeira de MeloFernandes, Cristovão Vicente ScapulatempoAzevedo, José Paulo Soares de2020-03-26T01:34:59Z2023-11-30T03:03:52Z2018-03http://hdl.handle.net/11422/11623O monitoramento da qualidade da água é uma questão complexa que requer ferramentas de suporte para fornecer informações sobre gerenciamento de recursos hídricos. As restrições orçamentais, bem como um projeto de rede inadequado, exigem o desenvolvimento de ferramentas de avaliação para fornecer um monitoramento eficiente. Assim, são proposstas e aplicadas duas metodologias para a avaliação da Rede de Monitoramento de Qualidadade da Água da Bacia do rio Piabanha (RMQAP). A primeira envolve a análise de componente principal não linear (ACPNL) com base em uma rede neural autoassociativa para avaliar a redundância dos parâmetros e estações de monitoramento da RMQAP. A Análise de Componentes Principais (PCA) é amplamente utilizada para este propósito, entretanto, não captura as não-linearidades características dos dados de qualidade da água, enquanto as redes neurais podem representar essas relaçõeses. A partir dos resultados da NLPCA, o parâmetro mais relevante é Coliformes Fecais e o menos relevante é a Demanda Química de Oxigênio. Em relação às estações de monitoramento, a mais relevante é Rocio e a menos relevante é Esperança. A segunda metodologia tem como objetivo a avaliação das estações da RMQAP tendo em vista o impacto dos dados observados na calibração do modelo hidrológico SWAT. Para mensurar esse impacto foi desenvolvido o índice IRMQAP com base no ajuste do modelo hidrológico e de redes neurais para a simulação do parâmetro nitrato em função da vazão em cada estação. Os resultados mostraram que a estação mais impactante é Pedro do Rio e a menos impactante é Poço Tarzan.Water quality monitoring is a complex issue that requires support tools in order to provide information for water resource management. Budget constraints as well as an inadequate water quality network design call for the development of evaluation tools to provide efficient water quality monitoring. For this purpose, a nonlinear principal component analysis (NLPCA) based on an autoassociative neural network was performed to assess the redundancy of the parameters and monitoring locations of the water quality network in the Piabanha River watershed. Principal Component Analysis (PCA) is widely used for this purpose. However, conventional PCA is not able to capture the nonlinearities of water quality data, while neural networks can represent those nonlinear relationships. From the results of NLPCA, the most relevant water quality parameter is Fecal Coliforms and the least relevant is Chemical Oxygen Demand. Regarding the monitoring locations, the most relevant is Rocio e the least relevant is Esperança. The second methodology aims to evaluate the RMQAP stations in view of observed data impact on the SWAT model calibration. To measure this impact, IRMQAP index was developed based on the adjustment of the hydrological model and neural networks for the simulation of the nitrate parameter as a function of the flow rate. The results showed that the most impressive station is Pedro do Rio and the less impressive is Poço Tarzan.Submitted by Christianne Fontes de Andrade (cfontes@ct.ufrj.br) on 2020-03-26T01:34:59Z No. of bitstreams: 1 886751.pdf: 2615374 bytes, checksum: 11b71bdbe51b87d7a8b65e6f57fdd9d5 (MD5)Made available in DSpace on 2020-03-26T01:34:59Z (GMT). No. of bitstreams: 1 886751.pdf: 2615374 bytes, checksum: 11b71bdbe51b87d7a8b65e6f57fdd9d5 (MD5) Previous issue date: 2018-03porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia CivilUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIAEngenharia civilQualidade de águaRedes de monitoramentoRedes neuraisModelagem hidrológicaBacias experimentaisFerramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológicainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINAL886751.pdf886751.pdfapplication/pdf2615374http://pantheon.ufrj.br:80/bitstream/11422/11623/1/886751.pdf11b71bdbe51b87d7a8b65e6f57fdd9d5MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/11623/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/116232023-11-30 00:03:52.833oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:03:52Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
title |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
spellingShingle |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica Villas Boas, Mariana Dias CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA Engenharia civil Qualidade de água Redes de monitoramento Redes neurais Modelagem hidrológica Bacias experimentais |
title_short |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
title_full |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
title_fullStr |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
title_full_unstemmed |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
title_sort |
Ferramentas para avaliação da rede de monitoramento de qualidade de água da bacia do rio Piabanha – RJ com base em redes neurais e modelagem hidrológica |
author |
Villas Boas, Mariana Dias |
author_facet |
Villas Boas, Mariana Dias |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4464970722383106 |
dc.contributor.advisorCo1.none.fl_str_mv |
Olivera, Francisco |
dc.contributor.author.fl_str_mv |
Villas Boas, Mariana Dias |
dc.contributor.referee1.fl_str_mv |
Evsukoff, Alexandre Gonçalves |
dc.contributor.referee2.fl_str_mv |
Ribeiro, Celso Bandeira de Melo |
dc.contributor.referee3.fl_str_mv |
Fernandes, Cristovão Vicente Scapulatempo |
dc.contributor.advisor1.fl_str_mv |
Azevedo, José Paulo Soares de |
contributor_str_mv |
Evsukoff, Alexandre Gonçalves Ribeiro, Celso Bandeira de Melo Fernandes, Cristovão Vicente Scapulatempo Azevedo, José Paulo Soares de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::ENGENHARIA HIDRAULICA::HIDROLOGIA Engenharia civil Qualidade de água Redes de monitoramento Redes neurais Modelagem hidrológica Bacias experimentais |
dc.subject.por.fl_str_mv |
Engenharia civil Qualidade de água Redes de monitoramento Redes neurais Modelagem hidrológica Bacias experimentais |
description |
O monitoramento da qualidade da água é uma questão complexa que requer ferramentas de suporte para fornecer informações sobre gerenciamento de recursos hídricos. As restrições orçamentais, bem como um projeto de rede inadequado, exigem o desenvolvimento de ferramentas de avaliação para fornecer um monitoramento eficiente. Assim, são proposstas e aplicadas duas metodologias para a avaliação da Rede de Monitoramento de Qualidadade da Água da Bacia do rio Piabanha (RMQAP). A primeira envolve a análise de componente principal não linear (ACPNL) com base em uma rede neural autoassociativa para avaliar a redundância dos parâmetros e estações de monitoramento da RMQAP. A Análise de Componentes Principais (PCA) é amplamente utilizada para este propósito, entretanto, não captura as não-linearidades características dos dados de qualidade da água, enquanto as redes neurais podem representar essas relaçõeses. A partir dos resultados da NLPCA, o parâmetro mais relevante é Coliformes Fecais e o menos relevante é a Demanda Química de Oxigênio. Em relação às estações de monitoramento, a mais relevante é Rocio e a menos relevante é Esperança. A segunda metodologia tem como objetivo a avaliação das estações da RMQAP tendo em vista o impacto dos dados observados na calibração do modelo hidrológico SWAT. Para mensurar esse impacto foi desenvolvido o índice IRMQAP com base no ajuste do modelo hidrológico e de redes neurais para a simulação do parâmetro nitrato em função da vazão em cada estação. Os resultados mostraram que a estação mais impactante é Pedro do Rio e a menos impactante é Poço Tarzan. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-03 |
dc.date.accessioned.fl_str_mv |
2020-03-26T01:34:59Z |
dc.date.available.fl_str_mv |
2023-11-30T03:03:52Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/11623 |
url |
http://hdl.handle.net/11422/11623 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Civil |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/11623/1/886751.pdf http://pantheon.ufrj.br:80/bitstream/11422/11623/2/license.txt |
bitstream.checksum.fl_str_mv |
11b71bdbe51b87d7a8b65e6f57fdd9d5 dd32849f2bfb22da963c3aac6e26e255 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097178556301312 |