Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo

Detalhes bibliográficos
Autor(a) principal: Ramos, Sara Margarida Nunes
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/28424
Resumo: Tese de mestrado, Engenharia Farmacêutica, Universidade de Lisboa, Faculdade de Farmácia, 2017
id RCAP_b87a6af4fd3a66f941e817b9b6d339c4
oai_identifier_str oai:repositorio.ul.pt:10451/28424
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Previsão da ocorrência de blooms de cianobactérias na Albufeira do RoxoCianobactériasGestão Qualidade da ÁguaModelaçãoPrevisãoRedes Neuronais ArtificiaisTeses de mestrado - 2017Ciências da SaúdeTese de mestrado, Engenharia Farmacêutica, Universidade de Lisboa, Faculdade de Farmácia, 2017A ocorrência de blooms de cianobactérias é um fenómeno que acarreta inúmeros problemas para as entidades gestoras de serviços de águas, como a redução da qualidade de água, podendo mesmo ter consequências graves para o Homem devido à presença de cianotoxinas. Estes eventos resultam da interação complexa de vários fatores, como parâmetros de qualidade da água, condições meteorológicas e competição entre espécies, tornando-se a sua previsão um desafio particular e de elevada relevância para as entidades gestoras dos serviços de águas. Este trabalho teve como objetivo a criação de um modelo de previsão antecipada dos blooms de cianobactérias, utilizando dados do caso particular da Albufeira do Roxo (Portugal). Os dados correspondem aos parâmetros de monitorização de qualidade de água da Albufeira e a parâmetros meteorológicos, recolhidos entre 2007 e 2015. Construíram-se modelos recorrendo a técnicas lineares (mínimos quadrados parciais) e não lineares (redes neuronais artificiais), para prever a densidade de cianobactérias em termos de um limiar de alerta, que corresponde a 20 000 células/mL. O modelo gerado por uma rede neuronal do tipo feedforward com uma camada oculta com quatro nodos foi o que melhor se ajustou aos dados experimentais, apresentando um erro quadrático médio de 6,51x107 células/mL. Este modelo, com doze variáveis de entrada (temperatura do ar, velocidade do vento, direção do vento, temperatura da água, pH, condutividade, turvação, cota, azoto amoniacal, dureza, precipitação e radiação), foi testado para os dados de 2016. Apesar do erro de previsão para a densidade de cianobactérias ser elevado, o modelo identificou situações de alerta, cumprindo assim o objetivo proposto.Cyanobacteria blooms occurrence is a phenomenon which entails numerous problems for managing bodies of water services, such as reducing the water quality and which may even have serious consequences for humans due to the presence of cyanotoxins. These events result from the complex interaction of several factors such as water quality parameters, the weather conditions and competition between species, making prediction a particular challenge of great relevance for managing bodies of water services. This work aims at developing early prediction models for cyanobacterial blooms, using data from the particular case of Albufeira do Roxo (Portugal). Data correspond to the parameters used to monitor water quality of the reservoir and meteorological data collected between 2007 and 2015. Models based on linear (partial least squares) and non-linear (artificial neural networks) techniques were built to predict cyanobacterial density in terms of an alert value, corresponding to 20 000 cells/mL. The model generated by a feedforward neural network with a four nodes hidden layer, produced the best fit to the experimental data, showing a mean square error of 6.51x107 cells/mL. This model, with twelve input variables (air temperature, wind speed, wind direction, water temperature, pH, conductivity, turbidity, water level, ammonium, hardness, precipitation and radiation), was tested with data collected in 2016. Although the prediction error for cyanobacterial density was high, the model successfully identified alert events, thus fulfilling the foreseen objective.Lopes, João AlmeidaBrôco, Nuno Rafael da ConceiçãoRepositório da Universidade de LisboaRamos, Sara Margarida Nunes2017-07-19T16:04:43Z2017-01-232016-11-222017-01-23T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/28424TID:201598949porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:20:17Zoai:repositorio.ul.pt:10451/28424Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:44:43.155583Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
title Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
spellingShingle Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
Ramos, Sara Margarida Nunes
Cianobactérias
Gestão Qualidade da Água
Modelação
Previsão
Redes Neuronais Artificiais
Teses de mestrado - 2017
Ciências da Saúde
title_short Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
title_full Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
title_fullStr Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
title_full_unstemmed Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
title_sort Previsão da ocorrência de blooms de cianobactérias na Albufeira do Roxo
author Ramos, Sara Margarida Nunes
author_facet Ramos, Sara Margarida Nunes
author_role author
dc.contributor.none.fl_str_mv Lopes, João Almeida
Brôco, Nuno Rafael da Conceição
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Ramos, Sara Margarida Nunes
dc.subject.por.fl_str_mv Cianobactérias
Gestão Qualidade da Água
Modelação
Previsão
Redes Neuronais Artificiais
Teses de mestrado - 2017
Ciências da Saúde
topic Cianobactérias
Gestão Qualidade da Água
Modelação
Previsão
Redes Neuronais Artificiais
Teses de mestrado - 2017
Ciências da Saúde
description Tese de mestrado, Engenharia Farmacêutica, Universidade de Lisboa, Faculdade de Farmácia, 2017
publishDate 2016
dc.date.none.fl_str_mv 2016-11-22
2017-07-19T16:04:43Z
2017-01-23
2017-01-23T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/28424
TID:201598949
url http://hdl.handle.net/10451/28424
identifier_str_mv TID:201598949
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134368135905280

Registros relacionados