Modelagem e simulação da autodepuração em rios

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSchutz, Fabiana Costa de Araujo-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-3424-1561-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3997654537105134-
Autor(es): dc.contributorSchutz, Fabiana Costa de Araujo-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-3424-1561-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3997654537105134-
Autor(es): dc.contributorSandmann, André-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-8662-4321-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1697861907187914-
Autor(es): dc.contributorMenezes, Paulo Lopes de-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-0645-5471-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9781159016378038-
Autor(es): dc.contributorMagalhães, Paulo Sergio Graziano-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-5374-3591-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1198843146263387-
Autor(es): dc.creatorGimenes Junior, Antonio Carlos-
Data de aceite: dc.date.accessioned2025-08-29T12:42:43Z-
Data de disponibilização: dc.date.available2025-08-29T12:42:43Z-
Data de envio: dc.date.issued2024-03-15-
Data de envio: dc.date.issued2024-03-15-
Data de envio: dc.date.issued2021-02-25-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/33625-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1100486-
Descrição: dc.descriptionThe present work describes the development of a model in Artificial Neural Networks (ANN) with the objective of simulating the capacity of a river to recover the amount of dissolved oxygen (OD), after receiving a polluting load. The experiment was carried out in a river located in the municipality of Medianeira in the State of Paraná, which receives the treated effluent from a slaughterhouse agroindustry. The model was developed based on data on the water quality of the river and the effluent that is incorporated into the watercourse over the studied interval. For training and validation of the model, data from previous studies, collected in 2014, were used. The input variables that were used in the network are the parameters of water and effluent quality and the output was the OD. To this end, five RNA models were developed, which underwent modifications in the input variables, but maintained the same output and the results simulated by the RNA were compared with the results collected in loco. In addition, the results obtained were compared with the results of a study carried out in 2014, with the objective of verifying the evolution of the technologies used in ANN. Among the main results of the present study, the processing speed stands out in relation to the previous study. Among the developed models, the model named RNA3 was the one that presented results more similar to the results collected in the field, demonstrating greater capacity for simulating the self-purification of the river.-
Descrição: dc.descriptionO presente trabalho descreve o desenvolvimento de um modelo em Redes Neurais Artificiais (RNA) com o objetivo de simular a capacidade de um rio de retomar a quantidade de oxigênio dissolvido (OD), após ter recebido uma carga poluidora. O experimento foi desenvolvido em um rio localizado no município de Medianeira no Estado do Paraná que recebe o efluente tratado de uma agroindústria frigorifica. O modelo foi desenvolvido com base em dados da qualidade da água do rio e do efluente que é incorporado ao curso de água ao longo do intervalo estudado. Para treinamento e validação do modelo, foram utilizados dados de estudos anteriores, coletados em 2014. As variáveis de entrada que foram usadas na rede são os parâmetros de qualidade da água e do efluente e a saída foi o OD. Para tanto, foram desenvolvidos cinco modelos de RNA, que sofreram modificações nas variáveis de entrada, porém mantiveram a mesma saída e comparou-se os resultados simulados pela RNA com os resultados coletados in loco. Além disso, os resultados obtidos, foram comparados com os resultados de estudo realizado em 2014, com o objetivo de se verificar a evolução das tecnologias utilizadas em RNA. Dentre os principais resultados do presente estudo destaca-se a velocidade de processamento em relação ao estudo anterior. Dentre os modelos desenvolvidos, o modelo nomeado RNA3 foi o que apresentou resultados mais similares aos resultados coletados em campo, demonstrando maior capacidade de simulação da autodepuração do rio.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Tecnologias Computacionais para o Agronegócio-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0/-
Palavras-chave: dc.subjectControle de qualidade da água-
Palavras-chave: dc.subjectControle de poluição - Equipamento e acessórios-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectWater quality management-
Palavras-chave: dc.subjectPollution control equipment-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleModelagem e simulação da autodepuração em rios-
Título: dc.titleModeling and simulation of self-purification in rivers-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.