Modelação da qualidade da água em sistemas de abastecimento público

• Autor(a) principal: Dias, Susana Rute Guerra
• Data de Publicação: 2010
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10174/14047
• topic: Qualidade da água; àguas de abastecimento público; Data Mining; Descoberta de conhecimento em bases de dados; Árvores de decisão; Redes neuronais artificiais; K-means; Water quality; Water supply; Data mining; Knowledge discovery in databases; Decision trees; Artificial neural networks; K-means

A problemática relacionada com a modelação da qualidade da água destinada ao abastecimento público pode ser abordada de diversos pontos de vista. Neste trabalho recorre-se a metodologias de resolução de problemas que emanam da Área Científica da Inteligência Artificial, assim como a ferramentas utilizadas na procura de soluções como as Árvores de Decisão, as Redes Neuronais Artificiais e a Aproximação de Vizinhanças. Actualmente os métodos de avaliação da qualidade da água são muito restritivos já que não permitem aferir a qualidade da água em tempo real. O desenvolvimento de modelos de previsão baseados em técnicas de Descoberta de Conhecimento em Bases de Dados, mostrou ser uma alternativa tendo em vista um comportamento pró-activo que pode contribuir decisivamente para diagnosticar e melhorar a qualidade da água disponibilizada às populações. No decurso do trabalho, foi utilizada a aprendizagem não-supervisionada tendo em vista encontrar grupos distintos de águas com propriedades físico-químicas semelhantes; ABSTRACT:The problems related to the modelling of water quality for public supply can be approached from different viewpoints. This work resorts to methods of resolving problems emanating from the Scientific Area of Artificial Intelligence as well as to tools used in the search for solutions such as Decision Trees, Artificial Neural Networks and Nearest-Neighbour Method. Currently, the methods for assessing water quality are very restrictive because they do not indicate the water quality in real time. The development of forecasting models, based on techniques of Knowledge Discovery in Databases, shows to be an alternative in view of a pro-active behavior that may contribute to diagnose and to improve the quality of water supply to the population. In this work, unsupervised learning was used to to find groups of waters with similar physical and chemical properties.