Redes Neuronais na Análise do Comportamento de Cianobactérias em Grandes Reservatórios de Água
Autores
|
4279 |
Paula Fernanda Machado Vieira de Carvalho
|
200,1912
|
|
4280 |
200,1912
|
Informações:
Publicações do PESC
A água desempenha um papel fundamental para o homem, sendo utilizada para as mais diferentes atividades. No entanto, algumas dessas atividades geram impactos que prejudicam sua qualidade. Uma das possíveis conseqüências é o aumento da concentração de nutrientes na água, provenientes principalmente dos efluentes domésticos e industriais, e do uso de fertilizantes em áreas agrícolas.
O excesso de nutrientes, especialmente nitrogênio e fósforo, em conjunto com outros fatores, favorece o crescimento de cianobactérias na água, que muitas vezes predominam sobre os demais organismos do fitoplâncton.
Cianobactérias produzem substâncias capazes de conferir gosto e odor indesejáveis à água e toxinas nocivas à saúde de pessoas e animais. Quando presentes em grandes quantidades em reservatórios de água destinados ao abastecimento público representam uma grande preocupação às autoridades responsáveis pelo seu suprimento, pois além de encarecerem o tratamento da água, podem trazer riscos à saúde da população.
Neste contexto, a predição de tal crescimento é muito útil, pois permite às equipes responsáveis pelo abastecimento a tomada de medidas de contingência que minimizem os impactos ou impeçam o crescimento excessivo destes organismos. Dessa forma, o objetivo deste trabalho é a criação de modelos de previsão da concentração de cianobactérias através da utilização de redes neuronais feedforward com algoritmo backpropagation.
Being used for many activities, water has a fundamental role for mankind. However, some impacts on its quality are generated for such activities. One of the consequences is the increasing of the concentration of nutrients in the water, proceeded mainly fi-om industrial and domestic effluents, and the use of fertilizers in agriculture.
Such over concentration of nutrients, in special nitrogen and phosphorus, added to other factors, favours cyanobacterial growth in the water, that often dominate the phytoplankton.
Cyanobacteria produce compounds that impart undesirable tastes and odours to water and toxins which are harmful to people and animals. Cyanobacterial blooms in water reservoirs are a concern to water authorities as they increase costs in drinking water treatment, as well as represent a potential health risk.
In this context, the forecast of their growth may be very useful in helping water supply responsible staff in taking contingency measures to either minirnize the impacts or avoid the excessive growth of those organisms. On this way, the aim of this dissertation is the development of models for forecasting cyanobacterial concentration using backpropagation neural networks.