Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Souza, Davi Zacarias de | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-5759-5728 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6980100635527695 | - |
Autor(es): dc.contributor | Brusamarello, Claiton Zanini | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-2617-2375 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9115740329749856 | - |
Autor(es): dc.contributor | Souza, Davi Zacarias de | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-5759-5728 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6980100635527695 | - |
Autor(es): dc.contributor | Santos, Fernando Cavalcante dos | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/0024993132877957 | - |
Autor(es): dc.contributor | Manosso, Fernando Cesar | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2568-7403 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1466197036074149 | - |
Autor(es): dc.creator | Stein, Ivan Roberto | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:24:47Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:24:47Z | - |
Data de envio: dc.date.issued | 2024-12-04 | - |
Data de envio: dc.date.issued | 2024-12-04 | - |
Data de envio: dc.date.issued | 2024-09-05 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/35576 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1112826 | - |
Descrição: dc.description | Atmospheric pollution represents a global challenge with severe impacts on public health and the environment, especially in growing urban areas like Francisco Beltrão in Paraná. This study evaluated the effectiveness of Artificial Neural Networks, specifically the Long Short-Term Memory (LSTM) model, in predicting local concentrations of atmospheric pollutants such as formaldehyde (HCHO), nitrogen dioxide (NO2), and sulfur dioxide (SO2), by integrating NASA satellite data with local meteorological variables. The LSTM model demonstrated the ability to capture the complex temporal and nonlinear relationships within the data, resulting in promising predictions for the concentrations of these pollutants, especially for NO concentration, with a mean squared error (MSE) de 3,7885 × 10−10. Analysis of the results revealed the significant influence of meteorological conditions on the dynamics of atmospheric pollution, highlighting the importance of considering them in predictive models particularly the impact of temperature on the concentration of HCHO. Despite limitations such as the lack of monitoring data in the city center, this study provides an embryonic basis for the development of effective tools for monitoring and managing air quality in Francisco Beltrão, with potential applications in public health, urban planning, and environmental policies. These promising results pave the way for the development of air quality alert and forecasting systems, aiding decision-making and the implementation of effective public policies for managing atmospheric pollution in this municipality. | - |
Descrição: dc.description | A poluição do ar representa um desafio global com impactos severos na saúde pública e no meio ambiente, especialmente em áreas urbanas em crescimento como Francisco Beltrão, no Paraná, Brasil. Este estudo avaliou a eficácia das Redes Neurais Artificiais, especificamente o modelo Long Short-Term Memory (LSTM), na previsão das concentrações locais de poluentes atmosféricos como formaldeído (HCHO), dióxido de nitrogênio (NO2) e dióxido de enxofre (SO2), integrando dados de satélite recuperados do Portal da NASA, do satélite Sentinel-5P TROPOMI e variáveis meteorológicas locais. O modelo LSTM demonstrou a capacidade de capturar as complexas relações temporais e não-lineares presentes nos dados, resultando em previsões promissoras para as concentrações desses poluentes, particularmente para NO2, com um erro quadrático médio (MSE) de 3,7885 × 10−10. A análise revelou a influência significativa das condições meteorológicas na dinâmica da poluição do ar, destacando a importância de incorporá-las aos modelos preditivos. Os resultados também enfatizaram o impacto notável da temperatura na concentração de HCHO. Apesar das limitações, como a falta de dados de monitoramento no centro da cidade, este estudo fornece uma base embrionária para o desenvolvimento de ferramentas eficazes para monitorar e gerenciar a qualidade do ar em Francisco Beltrão, com aplicações potenciais em saúde pública, planejamento urbano e políticas ambientais. Esses resultados promissores abrem caminho para o desenvolvimento de sistemas de alerta e previsão da qualidade do ar, auxiliando na tomada de decisões e na implementação de políticas públicas eficazes para o gerenciamento da poluição do ar neste município. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Francisco Beltrao | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Ambiental: Análise e Tecnologia Ambiental | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
Palavras-chave: dc.subject | Ar - Poluição - Medição - Francisco Beltrão (PR) | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Ar - Controle de qualidade - Francisco Beltrão (PR) | - |
Palavras-chave: dc.subject | Ar - Análise - Francisco Beltrão (PR) | - |
Palavras-chave: dc.subject | Previsão | - |
Palavras-chave: dc.subject | Air - Pollution - Measurement - Francisco Beltrão (Brazil) | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Ar quality management - Francisco Beltrão (Brazil) | - |
Palavras-chave: dc.subject | Forecasting | - |
Palavras-chave: dc.subject | Air - Analysis - Francisco Beltrão (Brazil) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA SANITARIA | - |
Palavras-chave: dc.subject | Engenharia Sanitária | - |
Título: dc.title | Redes neurais LSTM na modelagem de poluentes atmosféricos em região urbana agrícola | - |
Título: dc.title | LSTM neural networks in the modeling of atmospheric pollutants in an agricultural urban region | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: