Banca de DEFESA: IGOR SANTOS SILVA
05/02/2019 22:45
A qualidade da água é fundamental na preservação e continuidade dos ecossistemas e, é também, fundamental no desenvolvimento das atividades humanas. Sendo assim, identificar e entender os fenômenos que nesta ocorre, principalmente, a degradação decorrente desse último fator é fundamental no estudo dos recursos hídricos. Para que esse estudo consiga abranger e atender os diversos interessados no uso da água, identificar os parâmetros físico, químicos e biológicos e suas alterações ocasionadas pelas atividades antrópicas é essencial. No entanto, esse estudo não é tão fácil devido à falta de monitoramento adequado dos corpos hídricos e a escassez de dados que é característico dos programas de monitoramento. Nessa busca crucial para entender os impactos das atividades antrópicas na qualidade da água, o uso da estatística e, também, das técnicas de aprendizado de máquinas são essenciais e precisam ser ainda mais disseminadas e incentivadas como ferramentas que auxiliam os tomadores de decisão. Dentre as técnicas de aprendizado de máquinas, neste trabalho foram utilizadas as Redes Neurais Artificiais, com auxílio das séries e o Random Forest que permitiram a previsão e a predição da concentração de clorofila-a, que quando em elevadas concentrações caracteriza um corpo hídrico como eutrofizado, devido ao excesso de nutrientes presente nele. Sendo assim, foi possível prever a concentração de clorofila-a utilizando base de dados da CETESB e da USGS, utilizou-se as Redes Neurais Artificiais, e obteve-se resultados próximos, aos valores de teste e treinamento, conforme análise de métricas utilizando Erro quadrado médio (MSE) e a Raiz do Erro Quadrado Médio (RMSE). O Random Forest foi utilizado para a predição de clorofila-a em reservatórios do estado de Sergipe, e mesmo com uma base de dados menor, o modelo obteve bons resultados que poderiam ser melhorados se houvesse mais dados disponíveis. Sendo assim, esses algoritmos apresentaram acurácia em seus resultados que podem reduzir custos de análises laboratoriais e de mão de obra.
SIGAA | Superintendência de Tecnologia da Informação/UFS | Telefonista/UFS (79)3194-6600 | Copyright © 2009-2024 - UFRN v3.5.16 -r19110-7eaa891a10