Modelação da Qualidade da Água em Sistemas de Abastecimento Público

• Autor(a) principal: Dias, Susana
• Data de Publicação: 2011
• Outros Autores: Vicente, Henrique
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10174/3824
• topic: Water Quality; Public Water Supply; Knowledge Discovery from Databases; Decision Trees; Artificial Neural Networks; k-means

A água, enquanto composto dotado de características físico-químicas próprias que afectam e condicionam o seu uso, não se encontra na Natureza no estado puro, i.e. incolor, inodora e insípida. Na verdade, encontra-se associada a outras substâncias que afectam e condicionam os seus possíveis usos. A qualidade de uma água pode, então, ser definida como sendo aquilo que caracteriza a sua adaptabilidade para determinados fins, devendose ter sempre presente que nenhuma água é de boa qualidade para todos os usos. O Programa de Vigilância Sanitária, estabelecido pela Autoridade de Saúde, visa controlar a qualidade da água de abastecimento público. Esta autoridade divide os parâmetros de qualidade da água em três grupos distintos (P1, P2 e P3) para os quais a frequência de amostragem é diferente. Assim, há todo o interesse no desenvolvimento de modelos de previsão os parâmetros químicos incluídos no grupo P2 (manganês e nitrato) e incluídos no grupo P3 (potássio e sódio), para o qual a frequência de amostragem é menor, com base nos parâmetros químicos incluídos no grupo P1 (pH e condutividade). No presente trabalho foram utilizadas Redes Neurais Artificiais (RNAs) para prever a concentração de nitrato, manganês potássio e sódio com base nos valores de pH e de condutividade. Elaboraram-se, testaram-se e avaliaram-se diversas topologias de rede tendo sido utilizado como critério de selecção a minimização quer do desvio absoluto médio quer da média do quadrado dos erros. Foram ainda desenvolvidos modelos de segmentação utilizando os parâmetros químicos incluídos no grupo P1, tendo-se recorrido à estratégia k-means. Os modelos obtidos revelam diferenças entre as propriedades físico-químicas das águas dos diversos concelhos analisados permitindo, após a construção de modelos explicativos da segmentação, caracterizar e separar as amostras provenientes de origem subterrânea das amostras relativas a águas de origem superficial.