Aluna: Ana Carolina  Generino de Alcântara

 

Título: “Inserção de Variáveis Meteorológicas na Previsão de Poluentes Atmosféricos Utilizando Técnicas Computacionais Inteligentes na Região Metropolitana do Recife.”

Orientador: Prof. Manoel Henrique da Nóbrega Marinho

Data-hora: 28/01/2019 (10:00h)

Local: Escola Politécnica de Pernambuco - Sala I-4

Resumo: “A poluição atmosférica é um tema atual e imperativo, pois apesar de estar diretamente ligada a temas ambientais centrais, como aquecimento global, pode representar risco à saúde e provocar doenças respiratórias e cardiovasculares. Contudo, a realização do monitoramento da qualidade do ar pode depender da influência do clima, uma vez que variáveis climáticas podem determinar o tempo de residência de um poluente em determinada região. Este trabalho utilizou a comparação do desempenho de modelos de Regressão de Vetores de Suporte (SVR) e Sistema de Inferência Adaptativo Neuro-Difuso (ANFIS) para a previsão de poluentes atmosféricos: Material Particulado (MP10), Monóxido de Carbono (CO), Ozônio (O3) e Dióxido de Nitrogênio (NO2); levando em consideração os aspectos meteorológicos como Velocidade do Vento, Temperatura do Ar e Umidade Relativa do Ar, a fim de provar a importância da inserção de variáveis meteorológicas na previsão da poluição do ar. Utilizaram-se as séries históricas de concentrações horárias na Região Metropolitana da cidade do Recife-PE, e foram obtidas para o período de 17/07/2015 à 17/07/2017 através da Agência Estadual de Meio Ambiente de Pernambuco (CPRH), além das informações meteorológicas para o mesmo período. Os resultados mostraram a superioridade do ANFIS em todos os cenários quando comparado ao SVR nas previsões dos poluentes sob influência das variáveis meteorológicas, com valores de Índice de Concordância (IA) acima de 97%. Além disso, os resultados do ANFIS com a inserção das variáveis meteorológicas foram superiores também quando comparados à previsão dos poluentes individualmente do mesmo modelo. Apesar da superioridade do ANFIS, os dois modelos obtiveram resultados significativos na inserção das variáveis climáticas demonstrando assim a tendência de melhorias na previsão dos poluentes atmosféricos.”

Go to top Menu