Pesquisadora cria método para prever consumo de água

fonte: MundoGEO

Uma tese de doutorado, defendida neste mês, no Departamento de Engenharia Hidráulica e Sanitária da Escola Politécnica da Universidade de São Paulo (Poli-USP), resultou num método para prever a demanda de água em regiões urbanas, que poderá ser usado para otimizar o abastecimento da Região Metropolitana de São Paulo (RMSP).

A autora do trabalho, a engenheira civil Cláudia Cristina dos Santos, usou Redes Neurais Artificiais (RNA) para analisar as variáveis socioambientais e meteorológicas que influenciam o consumo de água na RMSP, e para desenvolver um modelo de previsão de demanda a curto prazo.

RNAs são estruturas ou sistemas computacionais que realizam o processamento de dados de maneira semelhante ao cérebro humano. A pesquisadora, que hoje trabalha como técnica em Ciência e Tecnologia, no Departamento de Sensoriamento Remoto do Inpe, explica que as redes neurais artificiais são modelos de processamentos matemáticos que tentam simular os sistemas naturais, utilizando-se de estruturas análogas às Redes Neurais Biológicas (RNB).Elas são baseadas na simulação computacional de aspectos da inteligência humana, levando em consideração a capacidade que o nosso cérebro tem de aprender e tomar decisões estruturadas em sua aprendizagem.”

De acordo com a pesquisadora, as RNAs têm sido utilizadas em tarefas de reconhecimento de padrões, processamento de sinais, controle de processos, otimização de sistemas e previsões. No caso do seu trabalho, o sistema pode prever o consumo para o dia seguinte ou até mesmo para a próxima hora, sendo possível fazer a otimização de um sistema.

A pesquisa foi feita nas principais Estações de Tratamento de Água (ETA) dos oitos sistemas produtores de água que compõem o Sistema de Abastecimento da RMSP. Para realizar a previsão de demanda foi analisada apenas a ETA do sistema Cantareira, que é o maior da RMSP, e um pequeno setor considerado como de consumo doméstico, chamado de Itaim Paulista, no bairro do mesmo nome, na Zona Leste da cidade de São Paulo.

Os dados obtidos foram usados para o treinamento, o teste e a previsão feitas pelas RNAs. Para a ETA Cantareira foram criados 8 modelos de previsão e para o setor ltaim Paulista, 57. O desempenho dos modelos foi avaliado por meio de vários parâmetros estatísticos. Os resultados mostraram a importância da “memória” das RNAs, pois ela ajuda a melhorar o desempenho da previsão.

Perfil de consumo

O levantamento do consumo médio mensal, por sua vez, mostrou que ele varia ao longo do ano, sendo maior no verão, com pico em março, e menor no inverno, com destaque para julho. Em geral, a tendência do consumo é diminuir a partir do mês de março e aumentar a partir do mês de novembro.

O mês de agosto tem um pico em relação aos meses de inverno, consequência do tempo seco que ocorre nesse período, que provoca um aumento no consumo. Durante a semana, o domingo é o dia de menor consumo e a sexta-feira o de maior, sendo que as quartas-feiras e os sábados são dias de consumo próximos da média.

O mesmo pode ocorrer em relação ao consumo no decorrer do dia. Em geral o pico do consumo acontece a partir das 12 horas, quando passa a ser mais ou menos constante, com pequenas variações até as 17 horas. Começa a diminuir por volta das 18 horas, tornando-se quase constante no período entre 21 e 24 horas. O período entre 1 às 6 horas da manhã apresenta uma redução do consumo, sendo que o mínimo ocorre às 6 horas da manhã. Após este período passa a aumentar novamente.

 

 

 

 

Posts relacionados

Deixe um Comentário

Posts mais recentes:

5 mitos sobre a estratégia multicloud
Google Maps
Google Cloud
Google Cloud
Google Cloud
multicloud
Cloud Run: desenvolva aplicações em contêiners sem servidor no Google Cloud
Anthos
Google Next
multicloud
GoogleCloud
DataFlow
Google Maps
Google Cloud