A UFS preocupa-se com a sua privacidade

A UFS poderá coletar informações básicas sobre a(s) visita(s) realizada(s) para aprimorar a experiência de navegação dos visitantes deste site, segundo o que estabelece a Política de Privacidade de Dados Pessoais. Ao utilizar este site, você concorda com a coleta e tratamento de seus dados pessoais por meio de formulários e cookies.

Ciente
Notícias

Banca de DEFESA: IGOR SANTOS SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: IGOR SANTOS SILVA
DATA: 22/02/2019
HORA: 08:00
LOCAL: Auditorio do NUPEG
TÍTULO: Previsão e Predição da Clorofila-a Através de Dados de Qualidade da Água
PALAVRAS-CHAVES: Aprendizado de Máquinas; Clorofila-a; Qualidade da Água
PÁGINAS: 102
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Sanitária
SUBÁREA: Recursos Hídricos
RESUMO:

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.


MEMBROS DA BANCA:
Presidente - 1295924 - CARLOS ALEXANDRE BORGES GARCIA
Interno - 051.385.155-00 - JOSE DO PATROCINIO HORA ALVES
Externo ao Programa - 2193695 - JEFFERSON ARLEN FREITAS

Notícia cadastrada em: 21/02/2019 16:10
SIGAA | Superintendência de Tecnologia da Informação/UFS - - | Copyright © 2009-2024 - UFRN - bigua2.bigua2 v3.5.16 -r19032-7126ccb4cf